RAG
Flowchart流程图做RAG如何实现？一种基于Graph的方案
今天是2025年8月2日，星期六，无锡有雨。文章介绍了使用基于图表示的多模态问答方法处理电信文档中的流程图，并讨论了图像分类、图表示生成和检索优化等步骤。
Context Engineering：超越 RAG 与 Agent，上下文工程才是那张王牌
AI 应用的进化之路：从 RAG 到 Agent，文章探讨了 AI 的系统性架构科学——上下文工程。它超越了简单地回答问题，让 LLM 能够自主规划、使用工具执行任务，并首次系统性拆解其框架。
重新定义检索！一款真正“跨模态”的 RAG 模型来了！用音频搜视频、文本找音乐！
ColQwen-Omni是基于ColQwen2和Qwen2-VL的开源多模态检索增强生成模型，支持跨模态检索、音视频直处理等特性，单次查询<100ms，30分钟音频10秒处理。其核心亮点包括跨模态检索、音视频直接处理保留情感/语气细节以及超快检索等功能。
18个Deepresearch项目技术实现对比及RAG与Reasoning结合范式
2025年7月15日文章概述：探讨RAG与Reasoning结合的必要性和实现方案，并对比分析了18个DeepResearch项目的技术细节。
经典问题之Graph可以如何与Agent结合？从单点到全面归纳
今天是2025年7月12日，星期六，北京，雨。Graph和Agent的结合是社区的重要方向之一。文章回顾了Graph与Agent结合的相关技术进展，包括使用图数据库提升代理记忆管理、优化多Agent协调以及实现基于知识图谱的任务规划与执行等方向。
技术总结之RAG用于文档信息抽取及多模态大模型两阶段训练范式
2025年7月9日，北京晴天。文章总结了SIGIR 2025 LiveRAG竞赛的评测报告，并介绍了信息抽取和多模态大模型训练的相关方案。强调在轮子同质化背景下，业务know-how的重要性，指出文档解析、RAG及大模型应用出现同质化严重现象。同时提到了两个大模型训练指引资源。
2025年AI Agent大爆发，全面拥抱智能体
2025年是Agent从概念走向主流的关键时刻。Agent是一种自主智能体，能感知环境、决策并进化。它对程序员来说就像“超级外挂”，具备感知-决策-执行闭环和工具调用能力。为了拥抱Agent，开发者需要进行认知升级和技能重构，并通过相关课程和技术资料快速掌握技术原理。