Spring AIЧитать полностью »
Рубрика «rag» - 16
Spring AI: retrieval augmented generation
2025-06-23 в 13:00, admin, рубрики: java, kotlin, OpenAI, pgvector, postgres, rag, spring, spring ai
Jay Knowledge Hub: от прототипа до промышленного PaaS создания баз знаний полного цикла
2025-06-23 в 11:03, admin, рубрики: llm, paas, rag, база знаний, искусственный интеллект, работа с данными, работа с документациейПривет! Меня зовут Никита, я руководитель команды разработки умного поиска на основе генеративного AI в Just AI. В этой статье я расскажу о нашем опыте в умный поиск — как от mvp RAG-сервиса для Q&A бота нашей службы поддержки мы пришли к облачной платформе Jay Knowledge Hub (сокращенно KHUB), которая помогает нашим клиентам автоматизировать поиск по различным источникам знаний.
Как все начиналось: прототип на базе RAG
Наш основной продукт — диалоговая система для создания чат-ботов JAICPЧитать полностью »
Telegram-бот с интеграцией AnythingLLM + LM Studio
2025-06-22 в 20:15, admin, рубрики: anythingllm, lmstudio, rag, telegrambot
Разработка LLM моделей для обновления кода приложений на более высокие версии фреймворков или языков программирования
2025-06-20 в 19:01, admin, рубрики: express.js, Fine-tuning, gpt, llama, llm, nest.js, python, rag, RLВ этой статье я планирую исследовать, как можно использовать большие языковые модели (LLM) для миграции проектов между различными фреймворками. Применение LLM в задачах на уровне репозитория — это развивающаяся и всё более популярная область. Миграция кода со старых, устаревших фреймворков на новые является одной из ключевых задач в крупных корпоративных проектах.
Актуальность
RAG на практике: чат-бот для корпоративной вики
2025-06-18 в 12:35, admin, рубрики: ml, rag, ИИ, чат-ботПривет! Меня зовут Алиса, я руковожу командой машинного обучения в Банки.ру и занимаюсь проектами, связанными с внедрением ИИ. В этой статье расскажу, как мы создавали чат-бота для работы с внутренней документацией: какие задачи решали, с какими сложностями столкнулись, что сработало, а что — нет. Надеюсь, наш опыт окажется полезным тем, кто только начинает путь или уже в процессе — возможно, это поможет сэкономить время и нервы.
Предпосылки создания бота
Создаем свой RAG: от загрузки данных до генерации ответов с LangGraph. Часть 2
2025-06-13 в 7:00, admin, рубрики: agents, AI, LangChain, nlp, python, python3, rag, агенты, искусственный интеллектПривет!
В этой статье я объясню, как работает технология RAG (Retrieval-Augmented Generation), и покажу её базовые реализации. Для примеров я буду использовать фреймворк LangGraph — его основы я разбирал в предыдущей статье
В конце статьи вас ждет дополнительный пример, поэтому дочитывайте до конца.
Как устроен RAG
Технология RAG состоит из двух ключевых компонентов:
-
Индексация (Indexing)
-
Загрузка данных
-
Разбиение на фрагменты
-
Векторизация
-
Хранение
-
-
Поиск и генерация (Retrieval and Generation)
Привет! Меня зовут Александр Белышев. Хочу поделиться своим недавним опытом работы над RAG‑сервисом и думаю, что эта тема может быть интересна другим коллегам.
У меня на работе возникла задача по реализации RAG (Retrieval‑Augmented Generation) сервиса. Хотя без моего участия эту задачу успешно решили на Python, изучая их код я задумался: а как можно сделать что‑то подобное на Go?
Результатом этого исследования и моей работы стало следующее решение...
Ссылочку на репозиторий оставлю тут для контекста https://github.com/xman12/rag-api , далее будут примеры из него.
Немного теории
Что скрывается за MCP-сервером и почему он может заменить RAG
2025-06-02 в 11:00, admin, рубрики: AI, MCP, mcp-server, model context protocol, rag, ИИ, искусственный интеллект
Область искусственного интеллекта стремительно развивается, открывая новые способы повышения эффективности их работы и интеграции с данными в реальном времени. Одним из последних достижений стал Model Context Protocol (MCP)Читать полностью »
