Jina Embeddings v5 Omni：一个模型，把文本、图片、视频和音频放进同一个向量空间
Jina Embeddings v5 Omni 是 Jina AI 的多模态嵌入模型，把文本、图片、视频、音频映射到同一个向量空间，适合跨模态搜索、聚类、推荐和多模态 RAG。
Jina AI Embeddings Multimodal Search
11 min read
4 篇文章
RAG 检索增强生成
了解 RAG 的检索、知识组织和生成流程，查找框架介绍、文档处理与应用实践。
建立知识库时先检查文档解析与切分，再评估向量检索、重排序和答案引用。将基础 RAG 流程跑通后，再比较图结构或多模态方案是否解决实际问题。
LangChain Open Agent Platform — 无代码构建智能代理的开源平台
LangChain Open Agent Platform：无代码构建智能代理的开源平台，支持RAG、工具集成和多代理协作，让开发者和非技术用户都能轻松创建和管理智能代理。
LangChain 智能代理 无代码开发
11 min read
一文秒懂AI核心技术：MCP、Agent、RAG、Function Call的协同之道
深入浅出解析当前AI领域四大核心技术：Agent智能体、RAG检索增强生成、Function Call函数调用与MCP模型上下文协议。通过生动比喻和实例，帮助读者快速理解这些技术的本质、关系及应用场景。
MCP 模型上下文协议 AI Agent 智能体 RAG 检索增强生成
10 min read
LightRAG、部署、使用指南：最简单的本地化RAG系统构建教程
深入解析轻量级RAG系统LightRAG的完整教程,从基础概念、架构设计到实战部署。包含详细的代码示例、性能优化技巧、最佳实践案例,以及与主流LLM的集成方案。无论你是AI开发者还是技术爱好者,都能通过本教程快速掌握RAG技术,搭建高效的智能问答和知识库系统。本文重点介绍LightRAG的轻量级特性、双重检索机制、灵活的模型支持等创新设计。
RAG 检索增强生成 LightRAG LLM应用开发
11 min read