RAG101第二课：一个简单的CSV文件RAG工作流
欢迎来到 RAG101 第二课，本文介绍了如何建立针对 CSV 文件的 RAG 工作流。首先加载环境变量和模型，预览并加载 CSV 文件，将文件插入向量数据库，并创建检索器及完整的 RAG 工作流验证其功能。
PyTorch研习社
港大开源全自动且高度自我进化的零代码AI Agent框架：AutoAgent
AutoAgent 是一个全自动且高度自我进化的框架，用户仅需自然语言即可创建并部署LLM Agent。它在GAIA基准测试中排名#1，并内置自管理向量数据库。支持多种LLM和灵活交互模式。
一个LangChain与MCP结合使用的案例
Model Context Protocol (MCP) is an open-source protocol developed by Anthropic to standardize the connection of LLMs to contexts, tools, and prompts. It enables seamless integration of AI agents with external data sources and tools.
RAG101第一课：一个简单的RAG工作流
从这一篇文章开始，我们将正式开启 RAG101 系列教程。我们介绍如何使用 Qwen 模型构建一个简单的 RAG 系统，并包含文档加载、文本拆分、嵌入处理和语义检索等步骤。
即使2025年了，RAG也不会被淘汰
RAG（检索增强生成）在拥有大上下文窗口的LLM发布后逐渐式微。目前即使有数百万token上下文窗口的长文本模型仍面临可扩展性、成本和性能问题，数据隐私也是一个重大挑战。
Unsloth官方发布本地微调大模型指南
对LLM进行微调可以定制其行为、增强知识并优化特定任务表现。通过在专业数据集上微调预训练模型（如Llama-3.1-8B），更新领域知识，调整语气和个性化回复，提高准确性和相关性。