Qdrant
面向向量檢索的資料庫,支援稠密與稀疏向量、payload 條件過濾及混合檢索。可用作 RAG 檢索層,也支援本機容器、自託管叢集與邊緣場景。
SEARCH OPNFTR
搜尋已發布的項目、原始碼與知識文章。
「RAG」找到 21 筆結果清除搜尋
面向向量檢索的資料庫,支援稠密與稀疏向量、payload 條件過濾及混合檢索。可用作 RAG 檢索層,也支援本機容器、自託管叢集與邊緣場景。
用於連接私有資料與大型語言模型的應用框架,涵蓋資料載入、索引、檢索、RAG 流程及 Agent/Workflow 元件。適合快速建立企業知識檢索與資料密集型 LLM 應用。
用於產生句子與文件 Embedding、進行語義相似度計算與重排的開源函式庫,適合建立語義搜尋、聚類、去重與 RAG 檢索評測流程。
用於建立搜尋、RAG、Agent 與文件處理流程的開源框架,提供元件化連接器、檢索、生成與評測能力,適合以明確流程管理企業 AI 應用。
從任務定義、分塊、混合召回到權限過濾,建立可重複的向量檢索評測流程。
從文件解析、分塊、混合檢索到權限過濾和離線評測,建立可引用的企業 RAG 知識庫。
Codex 与 LLM Wiki 案例,说明如何在 Obsidian 中搭建 AI 知识库、整理目录、引用和更新流程。
Codex Chrome 浏览器插件案例,说明如何让 AI 控制浏览器页面、执行网页任务并保持安全边界。
Codex 连接第三方 API 的入门说明,比较手动配置、Codex++、CCX 与 CC Switch 三种接入方式,并提示账号、密钥、账单和隐私风险。
从可追溯文档管线开始,定义内容、版本、权限和删除语义。
选择 embedding、索引距离和批处理策略,建立可重建的向量索引。
组合关键词、向量和过滤条件,把候选相关性与权限边界分开处理。
用可追溯问题集检查召回覆盖、引用准确和无依据回答。
把租户权限、文档状态和更新时间作为检索的一等字段。
设计可观测的索引发布流程,避免半成品索引和缓存污染答案。
用受限查询改写和证据阈值处理口语问题、无结果和不确定回答。
用 SQLite FTS 和确定性上下文拼装一个无需外部服务的可复现 RAG。
构建新索引、执行抽样检查,再用版本指针完成无损切换。
用来源 id、权限标签和期望证据回放检索变化,区分召回回退与生成问题。
把检索结果变成可追溯上下文,避免把无权限文档送给模型。
用 SQLite FTS 验证角色过滤、来源引用、无结果和删除语义。