https://slowlee.cn/tags/%E6%A3%80%E7%B4%A2/Recent content in 检索 on SunWuKongHugozh-cnWed, 01 Apr 2026 22:02:22 +0800https://slowlee.cn/posts/llamaindex-structured-retrieval/Wed, 01 Apr 2026 22:02:22 +0800https://slowlee.cn/posts/llamaindex-structured-retrieval/聚焦结构化数据场景，介绍如何用 LlamaIndex 构建表格与数据库检索能力，拓展 RAG 的数据边界。https://slowlee.cn/posts/rag-retrieval-generation-evaluation/Wed, 01 Apr 2026 22:02:21 +0800https://slowlee.cn/posts/rag-retrieval-generation-evaluation/系统拆解 RAG 的检索、生成与评估环节，帮助你定位效果瓶颈并建立可迭代的优化方法。https://slowlee.cn/posts/rag-vector-database/Wed, 01 Apr 2026 22:02:18 +0800https://slowlee.cn/posts/rag-vector-database/围绕数据摄取、向量化与索引构建，说明向量数据库在 RAG 入库流程中的作用及常见设计要点。https://slowlee.cn/posts/rag-document-chunking/Wed, 01 Apr 2026 22:02:18 +0800https://slowlee.cn/posts/rag-document-chunking/从数据清洗、切分策略到效果取舍，讲清 RAG 文档切分的关键原则，以及它对检索质量的直接影响。https://slowlee.cn/posts/rag-basics/Wed, 01 Apr 2026 22:02:14 +0800https://slowlee.cn/posts/rag-basics/从问题背景、核心架构到应用场景，系统梳理 RAG 的工作原理，以及它在知识问答中的实际价值。https://slowlee.cn/posts/langchain-agentic-rag/Wed, 01 Apr 2026 22:02:08 +0800https://slowlee.cn/posts/langchain-agentic-rag/结合 LangChain 1.0 实战 Agentic RAG，理解检索、规划与工具调用如何协同构建知识库应用。