RAG系统
GraphRAG × AutoGen × Ollama × Chainlit = 本地免费多代理 RAG 超级 AI 助手
作为一名对前沿技术充满热情的研究者，我深刻感受到检索增强生成（Retrieval-Augmented
影响RAG检索效果的原因有那些？
RAG系统中检索环节存在问题包括数据质量问题、向量化表示、检索方法与算法等多方面因素，文章提出优化建议以提升其性能，如使用高质量嵌入模型、定期更新数据库及调整相似度度量参数等。
OCR噪声直接命中了RAG的软肋~
在RAG系统中，基于OCR的非结构化PDF文档抽取导致知识库中的语义噪声和格式噪声问题，影响RAG系统的性能。OHRBench评估了当前OCR解决方案，并推荐使用Marker实现最佳检索性能，但所有解决方案仍存在性能下降。
HtmlRAG开源，RAG系统联网搜索能力起飞~
HtmlRAG通过使用HTML而非纯文本作为外部知识的格式，在长上下文环境下提高了检索系统的效果，并在多个问答数据集上优于或等同于现有基于纯文本的方法。
仅4个多月RAG就进化到“一个新时代”了：成本降低到GraphRAG的0.1%
微软推出LazyGraphRAG，结合VectorRAG与GraphRAG的优点，在成本和质量之间实现了平衡。它显著提升了查询效果，且只需4%的高级LLM查询成本即可达到优于其他方法的表现。