RAG 权限元数据迁移：双写、覆盖证明与默认拒绝切换
把 role 字段改成 policy ID 不是普通 mapping 变更。本文用版本化 ACL schema、双写回填、覆盖账本和负向查询证明迁移期间没有权限空窗。
#大模型 #RAG #DevOps♥ 1700 评论
#RAG
专题介绍
这里聚合 CodeNodeX AI 社区中与 RAG 相关的技术文章和讨论，覆盖概念解释、工具对比、工程实践、常见问题和独立开发经验。
如果你正在研究 RAG，建议先阅读高质量长文，再参与帖子讨论，形成从理解到实践的完整路径。
RAG 查询路由策略：何时走关键词、向量、结构化查询或直接拒答
不是每个问题都应该送进同一个向量检索器。本文设计可观测的查询路由策略，按意图、数据时效、权限和置信度选择关键词、语义、结构化查询或安全拒答。
#大模型 #AI Agent #RAG♥ 00 评论
RAG 索引制品发布：签名清单、可复现构建与原子回滚
同名索引可能来自不同语料、解析器或权限覆盖。本文把 RAG 索引视为不可变制品，用签名 manifest、摘要校验和原子别名控制晋级与回滚。
#AI #RAG #DevOps♥ 1720 评论
RAG 数据源准入：隔离解析、信任分级与可撤销晋级
能被 connector 抓到不代表可以进入生产知识库。本文用来源注册、隔离解析、风险门禁和 release 绑定控制不可信文档的准入与撤回。
#AI #大模型 #RAG♥ 1730 评论
React AI 引用界面设计：把答案标记连接到可核验原文
在回答末尾堆一串链接并不能让用户核验结论。本文从证据数据契约、流式占位、可访问交互和来源安全出发，设计真正可追溯的 React 引用体验。
#RAG #Next.js #React♥ 00 评论
用 RAG 构建企业知识库问答（端到端）
"企业知识库问答是最有商业价值的 RAG 场景，也最容易被低估难度——它要解决的不是'检索'，而是数据接入、权限、更新、评估一整条管线。本文端到端拆解：多源数据接入、权限隔离、增量更新、评估迭代，以及企业场景特有的那些坑。"
#大模型 #RAG♥ 350 评论
实战：给内容站加语义搜索
关键词搜索答不了"模糊提问"和"近义词"，语义搜索补上这块。本文用 Next.js + pgvector，给一个内容站加完整的语义搜索：建索引、查询、混合检索、前端高亮，以及增量更新——一套能直接用进生产的方案。
#RAG #Next.js♥ 370 评论
长上下文时代，RAG 还需要吗
模型上下文窗口从 4K 涨到百万级，越来越多人问"是不是直接全塞进去就行，不用 RAG 了"。答案没那么简单。本文从成本、召回、更新、可追溯四个维度，讲清长上下文和 RAG 各自的甜区——它们不是二选一，而是组合使用，且大多数生产场景 RAG 仍是更优解。
#大模型 #RAG♥ 440 评论
Embedding 模型选型与评估
RAG/语义搜索的质量，embedding 模型决定上限。但很多人随便选一个就上，效果不好还怪检索。本文讲清 embedding 选型的四个维度（语言/维度/领域/成本）、主流模型怎么挑，以及最重要的——怎么在自己的数据上评估，而不是迷信榜单。
#大模型 #RAG♥ 450 评论
知识图谱 + LLM：超越向量检索
向量检索擅长"语义相似"，却搞不定"关系推理"——"谁是谁的上级"、"A 产品依赖哪些组件"。知识图谱补上这一刀。本文讲清知识图谱相对向量库的优势、GraphRAG 的思路、什么场景值得上图谱，以及务实的落地建议——别为了酷而上图谱，多数场景向量库够。
#大模型 #RAG♥ 520 评论
RAG 处理表格与结构化数据
表格是 RAG 的硬骨头——切分破坏结构、向量丢语义、检索找不到。本文讲清表格 RAG 的完整方案:表格检测与抽取、切分策略(整表/行级)、结构化存储 vs 向量、Text-to-SQL 模式,以及混合检索,让 RAG 能真正处理含表格的文档。
#大模型 #RAG♥ 610 评论
检索的 Query 改写进阶
用户的原始提问往往不是好的检索词——有指代、太模糊、是多问合一。Query 改写是 RAG/搜索里 ROI 极高的一步。本文系统讲清五种改写(指代消解/子问题分解/HyDE/Multi-query/同义扩展)、各自的适用场景、工程实现与成本,以及改写本身也要评估。
#大模型 #RAG♥ 640 评论