RAG

AI 文生数据：真正实现“自动生成+自动整理+自动保存”的闭环

作者

文章介绍了一种新的方法——用AI自动生成高质量问答数据集的方法，通过这种流程，用户可以在几分钟内生成、整理并保存结构化的训练数据集。这种方法能显著提高效率，并节省大量时间成本。

RAG性能暴增20%！清华等推出“以笔记为中心”的深度检索增强生成框架，复杂问答效果飙升

作者

来自清华大学、中国科学院大学、华南理工大学、东北大学的联合研究团队提出了一种全新的适应式RAG方法——DeepNote。它首次引入“笔记”作为知识载体，实现更深入、更稳定的知识探索与整合，在所有任务上均优于主流RAG方法，性能提升高达+20.1%。

关于工作流在人工智能领域内的应用分析

作者

文章介绍了工作流与智能体在自动化任务中的作用，并指出其作为中间解决方案来解决大模型能力不足的问题。工作流通过定义执行流程并使用不同的工具（包括智能体）来完成特定任务。目前有很多平台支持这种工作流技术，如字节跳动的coze平台、开源Dify和德国产n8n等。