AI 开发 教程
系统化的 AI 开发学习路径。从提示词工程到模型微调，从 RAG 到 Agent 开发，覆盖 AI 应用开发全栈知识。共 98 篇教程，6 个分类，入门到高级全覆盖。
找到 7 篇教程
RAG检索增强
进阶
DeepSeek RAG 检索增强教程
基于 DeepSeek 构建 RAG 系统的完整教程：文档加载、文本分割、向量检索、重排序、多轮对话集成。含 LangChain、LlamaIndex 实战代码和企业级 RAG 架构设计。
阅读教程 →
RAG检索增强
进阶
向量数据库选型实战
向量数据库是RAG系统的核心基础设施，但面对Milvus、Pinecone、Weaviate、Qdrant、Chroma等众多选择，如何做出最优选型决策？本文从性能、成本、易用性、扩展性等维度全面对比，结合真实业务场景给出选型建议。
阅读教程 →
RAG检索增强
进阶
文档分块策略深度优化
文档分块（Chunking）是RAG系统中最容易被低估的关键环节。分块策略的优劣直接影响检索质量和最终回答的准确性。本文深入剖析固定大小分块、语义分块、递归分块、句子级分块等策略，帮你找到最优方案。
阅读教程 →
RAG检索增强
进阶
多语言 RAG 系统设计
构建支持中英日韩等多语言的RAG系统面临独特的挑战。本文讲解多语言Embedding、跨语言检索、翻译策略和性能优化的完整方案。
阅读教程 →
RAG检索增强
进阶
RAG 缓存与性能优化
RAG系统的性能瓶颈往往不在模型而在检索。本文讲解多层次缓存策略、Redis加速、语义缓存和批量优化技术，让你的RAG系统响应速度提升10倍。
阅读教程 →
RAG检索增强
进阶
大模型幻觉问题：根因分析与缓解策略
幻觉是大模型应用中最令人头疼的问题之一。本文深入分析幻觉的产生原因，并提供 RAG、事实核查、不确定性量化等系统化的缓解策略，帮助构建更可靠的 AI 应用。
阅读教程 →
RAG检索增强
进阶
向量数据库选型：Chroma vs Pinecone vs Milvus
向量数据库是RAG系统的核心组件。本文从性能、易用性、成本和扩展性四个维度，对比Chroma、Pinecone和Milvus三大主流向量数据库，帮助你做出正确的选型决策。
阅读教程 →