标签／ TAG

# RAG

2 篇

LangChain 7 向量检索 1 Embedding 1 Memory 1 Middlware 1 Prompt 1 Tools 1

2026.07.24Agent5 分钟

LangChain 实践笔记：LangChain 与 RAG 实战

从本地文档出发，拆解加载器、切割器、Document、嵌入模型、向量库、检索器的职责，用两个 create_ 函数串成问答链，再改造成网页实现。

2026.07.10Agent6 分钟

RAG 为什么能“找到”正确答案？一文搞懂 Embedding 与向量数据库

文字怎么变成向量、两个向量凭什么判断语义相似、上百万条数据怎么毫秒级捞出最相关的——这三个问题构成了 RAG 向量检索的全部关键。这篇从嵌入模型、三种相似度算法的实际分歧，讲到向量库的索引与度量配置，把链路上最容易配错的那几处逐一点出来。