RAG 与知识检索
查找检索增强生成、向量检索、知识库和文档问答相关的模型、工具与技术。
先看主题地图，再进入选型
RAG 不只是一个工具名：可以从切分、嵌入、召回、重排、上下文组装和评估任一环节开始检索，再根据数据规模与延迟要求组合方案。
本页用于理解主题范围、发现候选和相关概念；准备按部署、预算或能力约束比较时，请进入上方的对应选型指南。
主题精选 KG 入口
这里是用于发现本主题的一组精选入口，不代表付费排名，也不等同于官方产品评测；需要完整语义召回和二层总结，请回到首页检索。
RAG
通过检索外部知识库补充上下文，缓解模型幻觉并提升回答准确性。
模型datagemma-rag-27b-it
Hugging Face 元数据记录：text-generation；transformers；text generation；text input/output。当前没有可读的模型卡片摘要，适用性仍需核验。
机制Hybrid RAG
结合BM25关键字匹配(0.4权重)与all-MiniLM-L6-v2语义搜索(0.6权重)进行文档检索
模型datagemma-rag-it
公开记录已收录该实体，但还没有足够的简要说明。
机制SQLite
作为结构化记忆存储，替代传统向量检索以提升知识整合范式
智能体Always-On Memory Agent
放弃向量库，通过LLM将信息结构化存入SQLite并定期主动提炼
机制Contextual Retrieval
通过检索增强机制在海量记忆库中提取与当前意图相关的历史片段。
模型Llama-3_3-Nemotron-Super-49B-v1_5
来源摘要：Llama-3.3-Nemotron-Super-49B-v1.5-NVFP4 is a significantly upgraded version of Llama-3.3-Nemotron-Super-49B-v1 and is a large language model (LLM) which is a derivative of Meta Llama-3.3-70B-Instruct (AKA the reference model). It is a reasoning model that is post trained for reasoning, human chat preferences, and agentic tasks, such as RAG and tool calling. The model supports a context length of 128K tokens.
留下这个主题的使用反馈
留言会关联到当前主题页面，保留在 KG 之外，其他访客也可以浏览和点赞。无需登录，不人工审核。