2026年8月17日
一句话摘要：Apache Doris 基于 HNSW 1024 维向量索引 + bge-m3 + Deepseek 搭建 RAG 系统，结合 LangChain 完成文本分片、向量嵌入与检索生成；进一步通过 LLM 抽取实体关系、NetworkX 构建图结构、Pyvis 可视化、存入 Doris graph_chunk 表实现知识图谱增强 RAG，相比基础 RAG 能更准确回答多实体、多关系的复杂问题。 关键词：Apache Doris……
阅读全文
2026年8月17日
如果你正维护一个多语言 monorepo，并希望 Coding Agent 不再靠反复 rg 和整文件读取猜结构，这篇文章会帮你判断：要不要为它额外部署一套代码知识图谱。 我的结论先放前面：Code-Graph-RAG 值得做源码级评估，但暂时只给 B 级。 它把 Tree-sitter 抽出的函数、类、调用与引用关系持久化进 Memgraph，……
阅读全文
2026年8月17日
1. 项目 概述：当图数据库遇上大语言模型，知识检索不再“大海捞针” 你有没有试过让一个大语言 模型 回答一个非常具体、依赖内部文档或私有数据的问题，结果它要么胡编乱造，要么直接说“我不知道”？这背后不是模型不够聪明，而是它根本没看到你手里的那本“说明书”。GraphRAG（Graph-ba……
阅读全文
2026年8月17日
从“让AI搜索资料”，到“让AI理解企业”。 过去两年，RAG（Retrieval-Augmented Generation，检索增强生成）几乎成为企业接入大模型的 标准方案 。 企业拥有大量： • 产品文档 · 技术规范 · 项目资料 · 客户信息 · 流程制度 · 数据报表 大模型本身并不知道这些企业私有知识，……
阅读全文
2026年8月17日
这是「程序员的 RAG 修炼手册」系列第二篇。上一篇我们聊了 RAG 到底在解决什么问题，这一篇聊怎么把它做好。 搭完第一个 RAG demo 的那天晚上，我的心情经历了一个完整的过山车。 前半段是兴奋。文档丢进去，问题问出来，大模型居然真的能基于我的文档回答问题了。虽然只是一个最简单的 demo，但那种“跑通了”的……
阅读全文
2026年8月17日
WorkSwarm：让AI从助手变成一支办公团队 最近，一个名为WorkSwarm的办公智能体概念引起了关注。它提出了一种新范式：让AI从一个助手，进化为一支与你并肩作战的团队。这个想法背后，是四项关键能力。 从“助手”到“团队”的转变 传统的AI办公助手，通常是一个对话界面，你问它答……
阅读全文
2026年8月17日
ㅤ 哈喽，大家好！ 我是阿星👋🏻 如果你最近刷 AI 圈，一定会被一堆新词砸晕：ReAct、Agent Loop、Loop Engineering、Graph Engineering……它们听起来很像，其实说的是 三个不同尺度 的事，而且不是"谁取代谁"，是 一层套一层 。 ㅤ 先给结论：……
阅读全文
2026年8月17日
刚接触 RAG 这个概念的时候，我和一个朋友聊起来。 我说：我知道为什么要用 RAG——因为省 token 嘛。把整个文档丢给大模型太贵了，RAG 只挑相关的几段发过去，省钱。 朋友愣了一下，说：不对，RAG 的核心是增强检索，不是省钱。 当时我没太懂。因为从我看到的定义来说——“从知识文档中抽取与用户问题最匹……
阅读全文
2026年8月17日
2026-08-11 17:28·Kway 一、为什么你急需一个“个人知识库”？ 大模型本身没有长期记忆。一个新会话，AI 就不记得你上次聊过什么，更不了解你的写作风格、PPT 逻辑、项目背景。 于是每次让 AI 写文章、做PPT、出方案，你都得重复交代： 文章什么调性？ PPT 几图偏好？ 项目目标与受众是谁？ 没有知识库：反……
阅读全文
2026年8月17日
用 AI 编程助手写代码，最烦的事是什么？不是它写错，而是它看不懂整个项目。改一个函数，不知道还有 47 个函数依赖它；问它某个调用链，它在上下文窗口里翻来覆去找不到全貌；大仓库里，它只能看到局部，做破坏性编辑、重复劳动、漏调用方。这些问题，用「多搜几次文件」解决不了，因为碎片化检索看到永远……
阅读全文
