VkingAI·AI技术
RAG 系统上线三个月后的 7 个教训
从实战角度总结 RAG 系统开发和优化过程中的 7 个关键教训，包括 Chunk 策略、Hybrid Search、Reranker 等
博客
开发者工具使用指南、技术科普与最佳实践。
全部AI AgentAI安全AI编程AI编程助手Base64CSPCSSClaude CodeCopilotCursorEmbeddingHTTPSJSONLLMLangChainMarkdownPrompt InjectionPrompt注入RAGSEOSSLTypeScriptURLUnicodeUnixWeb安全Web开发XMLXSS代码编辑器代码规范代码重构写作前端向量数据库向量检索图片在线工具安全实战实战经验密码工程实践幻觉开发工具开发效率开发者工具性能优化提示注入搜索引擎效率数据格式文本处理文档时间戳格式化检索优化检索增强生成正则表达式流量渗透测试生产力生产实践生产环境生产部署类型系统编码编程网站速度计算机基础设计证书踩坑经验防御方案防御架构隐私保护颜色
标签：#向量检索 · 清除筛选
·AI技术
RAG系统调优的血泪史：从50%到90%准确率的进化
一个从零搭建RAG系统的开发者，分享如何从"勉强能用"优化到"真正好用"的实战经验。没有理论堆砌，全是踩坑心得。
·AI技术
RAG 系统上线三个月后，我终于明白为什么大家都在做语义切片
从固定长度切片到语义切片的踩坑实录，分享如何提升 RAG 系统准确率
·AI技术
RAG系统从0到1：我踩过的10个真实坑
从原型到生产，RAG系统的10个关键坑：中文向量模型选择、Chunk Size调优、Hybrid Search、Prompt Injection防御、文档版本同步等实战经验。
·AI技术
RAG 系统踩坑记：从原型到生产的那些坑
去年我做了一个 RAG 系统，从原型到上线，踩了一堆坑。文档切分、向量检索、LLM 脑补答案、文档更新、成本失控，每个环节都有坑。分享实战经验，让后来人少走弯路。
显示第 1-5 篇，共 5 篇