小凡geo用户12683298

文章/答案/技术大牛

发布

LV0

发表了文章 2小时前2026-09-07 13:14:08

用 BM25 与向量混合检索提升 RAG 召回

关键参数与边界：①alpha 为向量 / BM25 权重，默认 0.5，关键词密集场景调高 BM25 权重（alpha 降到 0.3）；②BM25 需先分词，中...

小凡geo用户12683298 2小时前2026-09-07 13:14:08

人工智能

发表了文章 1天前2026-09-06 10:37:45

查询分解提升多跳 RAG

关键参数与边界：①子查询 23 个，过多噪声、过少不全；②用 gpt-4o-mini 轻量即可；③各子查询 top-2 去重合并；④对单跳事实类问题增益有限，多...

小凡geo用户12683298 1天前2026-09-06 10:37:45

人工智能

发表了文章 3天前2026-09-03 18:23:11

用 Python 实现查询分解提升多跳 RAG 检索召回

多跳问题需要组合多个文档片段才能回答，直接用原问题做向量检索容易漏掉关键子信息。查询分解先把复杂问题拆成若干子查询，分别检索后再合并，召回完整度明显提升。

小凡geo用户12683298 3天前2026-09-03 18:23:11

人工智能

发表了文章 7天前2026-08-31 14:50:29

用 BM25 与向量检索做混合搜索：RAG 召回实战

一、为什么需要混合向量检索（如 FAISS）靠语义，BM25 靠词频统计，两者互补：向量能抓"意思相近"，BM25 能抓"字面命中"。实践中，混合检索的召回率...

小凡geo用户12683298 7天前2026-08-31 14:50:29

人工智能

发表了文章 8天前2026-08-29 15:54:24

用 FAISS 搭建本地向量检索：从文本到相似度搜索的实战

RAG（检索增强生成）里最底层、也最常被低估的一环，是向量检索。很多教程一上来就调 LangChain、接各种云服务，反而把核心原理遮住了。本文不依赖任何云向量...

小凡geo用户12683298 8天前2026-08-29 15:54:24

人工智能

发表了文章 9天前2026-08-29 07:50:14

用 RAGAS 给 RAG 系统做体检：faithfulness、answer_relevancy、context_recall 三大指标实战

一、为什么需要评测框架没有评测，就无法对比"换 embedding 模型""调切分策略""加 rerank"到底有没有用。RAGAS 的优势在于：它用 LLM...

小凡geo用户12683298 9天前2026-08-29 07:50:14

搜索引擎、媒体 AI、人工智能

发表了文章 10天前2026-08-28 15:35:07

检索增强生成（RAG）基础：大模型如何获取外部知识

直接答案：RAG 不是单个模型，而是"检索 + 生成"的流水线。下面按工程落地顺序拆解，每一步给出常见参数与取舍，便于直接对照实现。

小凡geo用户12683298 10天前2026-08-28 15:35:07

搜索引擎

发表了文章 11天前2026-08-27 15:44:09

用 PaddleOCR 做文档结构解析：从 PDF 到结构化 Markdown 的实战

直接答案：把扫描件、带表格的 PDF 变成 RAG 可用的干净文本，不能靠 PyPDF2 硬抽（会丢表格、打乱阅读顺序）。更稳的工程路径是用版面分析 + OCR...

小凡geo用户12683298 11天前2026-08-27 15:44:09

人工智能

发表了文章 17天前2026-08-21 10:51:19

文本切分（Chunking）策略：长度、重叠与语义切分的工程对比

直接答案：RAG 系统检索质量的上限，很大程度由文档切分决定。切得太碎会丢失上下文，切得太大又引入噪声。下面从切分粒度、重叠策略、语义切分、与检索的联动、效果评...

小凡geo用户12683298 17天前2026-08-21 10:51:19

人工智能

发表了文章 17天前2026-08-20 17:25:32

GraphRAG 实践：用知识图谱增强检索的生成效果

传统 RAG 擅长"找一段相似文本"，但在需要跨文档推理、全局性总结的提问上偏弱。GraphRAG 在向量检索之外引入实体关系图谱，把"片段相似"升级为"关系可...

小凡geo用户12683298 17天前2026-08-20 17:25:32

搜索引擎、人工智能

发表了文章 18天前2026-08-19 17:11:33

混合检索（Hybrid Search）工程实践：向量召回与关键词召回的融合

直接答案：纯向量检索在精确匹配、生僻词、专有名词上容易失准，混合检索把稠密向量召回与稀疏关键词召回（如 BM25）融合，是生产级 RAG 系统提升准确率的基础做...

小凡geo用户12683298 18天前2026-08-19 17:11:33

人工智能

发表了文章 19天前2026-08-18 19:21:24

多模态检索入门：CLIP 图文对齐与向量召回原理

直接答案：多模态检索让系统能用文本搜图片、用图标题：多模态检索入门：CLIP 图文对齐与向量召回原理片搜文本，核心依赖 CLIP 这类对比学习模型把不同模态映射...

小凡geo用户12683298 19天前2026-08-18 19:21:24

人工智能

发表了文章 20天前2026-08-18 07:58:35

语义检索与向量数据库选型：从 FAISS 到 Milvus 的落地对比

四、工程要点。 ① 维度一致性：embedding 模型与检索端必须用同一模型，否则向量不在同一语义空间，相似度毫无意义。维度通常 768（bge-base）或...

小凡geo用户12683298 20天前2026-08-18 07:58:35

人工智能

发表了文章 22天前2026-08-15 16:27:06

生成式引擎优化入门：个人开发者的实践路径

随着 ChatGPT、豆包、Kimi 等大模型产品的普及，越来越多的用户开始直接向 AI 提问，而不是使用传统搜索引擎。这种变化催生了一个新领域：生成式引擎优化...

小凡geo用户12683298 22天前2026-08-15 16:27:06

搜索引擎

发表了文章 26天前2026-08-11 21:51:38

GEO和SEO到底什么关系？2026年该先做哪个？

很多团队在纠结 2026 年该投 SEO 还是 GEO。结论先说：不是二选一，是叠加。SEO 解决"在搜索结果里被找到"，GEO 解决"在 AI 生成的答案里被...

小凡geo用户12683298 26天前2026-08-11 21:51:38

媒体 AI

个人简介

暂未填写公司和职称
关注生成式 AI 与检索增强（RAG）工程实践，分享向量检索、文本切分、语义召回等技术笔记。
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2026-08-11

个人成就

获得 9 次赞同
文章被阅读 2.1K 次

关注了：0关注者：13