2 篇博文含有标签「RAG」

RAG 核心基建：文本 Chunk 策略全景解析（从固定切片到 VLM 端到端解析）

2026年3月5日 · 阅读需 31 分钟

雨落无声，代码成诗 —— 致力于技术与艺术的极致平衡

"To chunk, or not to chunk — that is the question. But how to chunk is the engineering battle."

在 RAG（检索增强生成）系统中，分块（Chunking）是整个 Pipeline 的地基。检索质量上限由 Embedding 模型决定，下限却由分块质量决定。无论你使用多么强大的 LLM 或向量数据库，一旦 Chunk 切错了位置、割裂了语义，后续所有优化都是徒劳。

本文将带你由浅入深地走完整条 Chunk 技术发展路线图——从最原始的固定切片，一路升级到 VLM 端到端文档理解。

2026年2月13日 · 阅读需 34 分钟

雨落无声，代码成诗 —— 致力于技术与艺术的极致平衡

"The best notebook is not just a place to store information, but a thinking partner that understands context and helps you reason."

Google NotebookLM 展示了 AI 如何革新我们的知识管理方式。本文将详细设计一个开源替代方案，使用现代化技术栈构建一个高性能、可扩展、生产级的智能笔记系统。