OpenAIEmbeddings
PulseAugur coverage of OpenAIEmbeddings — every cluster mentioning OpenAIEmbeddings across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
使用 LangGraph、Ollama 和嵌入式 Qdrant 在本地运行 RAG Agent
本文详细介绍了如何使用 LangGraph、Ollama 和嵌入式 Qdrant 向量存储完全在本地离线运行检索增强生成（RAG）Agent。该设置通过配置系统使用本地模型进行聊天和嵌入，从而无需 API 密钥。作者演示了如何通过配置在本地 Ollama 和远程 OpenAI 提供商之间进行切换，以及如何在嵌入式 Qdrant 实例和远程服务器之间进行切换。该过程包括使用 Qwen3.5:9b 等模型进行聊天和使用 BGE M3-Em…
-
新的RAG工具可自动提取和分块文档
一款名为RAG Docs Extractor的新工具已被开发出来，用于简化将文档网站转换为干净、结构化的markdown的过程，以便在检索增强生成（RAG）管道中使用。该工具可自动提取相关内容，去除导航元素、广告和其他无关的HTML，然后对清理后的文本进行分块。它还使用与现代嵌入模型兼容的cl100k_base编码为每个块提供token计数。提取和分块后的数据随后可以使用LangChain等库轻松加载到ChromaDB等向量数据库中，…
-
LangGraph 模板指导 AI 代理开发
多篇 dev.to 文章详细介绍了如何使用 LangChain 的工作流系统 LangGraph 来构建 AI 代理。这些文章提供了常见代理模式的模板，包括用于文档查询的检索增强生成 (RAG)、能够规划和执行任务的多工具代理，以及需要用户审查的人机协作工作流。这些模板通过节点、边和状态管理来说明 LangGraph 的架构，用于创建复杂、有状态的 AI 应用程序。
-
RAG 系统解析：使用外部知识增强 LLM
检索增强生成（RAG）是一种通过允许大型语言模型（LLM）在生成响应之前访问和利用外部知识库来增强 LLM 的技术。这种方法通过检索相关信息并用其增强用户查询来解决 LLM 的局限性，例如知识截止日期和上下文窗口限制。RAG 与微调（修改模型行为）不同，它侧重于扩展模型的知识库，而不是改变其核心功能。