重磅！AI大模型又起飞了！！
随着AI技术的发展，程序员的职业命运正在发生改变。阿里云等多家公司已全面接入Agent体系，并要求员工具备大模型开发能力。未来企业更看重能使用AI技术重构业务流程的技术人才。AI相关岗位需求旺盛，薪资涨幅高达150%，年薪可达到70-100万。掌握AI大模型原理、应用技术和项目经验已成为就业新趋势。知学堂推出免费的「大模型应用开发实战训练营」课程，助力开发者快速转型为大模型应用开发工程师。
RAG
21个RAG常用优化策略变体及notebook开源实操
本文介绍了21个RAG（Retrieval-Augmented Generation）的常用优化策略及对应的notebook实践，涵盖了从基础实现到高级应用的各种技术。包括Simple RAG、Semantic Chunking等，并提供了具体操作地址供读者参考和练习。
手把手实战：用 DeepSeek R1 + Ollama 搭建高效 RAG 系统！
构建 RAG 系统利用 DeepSeek R1 和 Ollama 提升知识问答、信息检索和内容创作能力，涵盖环境设置、核心流程、优化策略和最佳实践。
即使2025年了，RAG也不会被淘汰
RAG（检索增强生成）在拥有大上下文窗口的LLM发布后逐渐式微。目前即使有数百万token上下文窗口的长文本模型仍面临可扩展性、成本和性能问题，数据隐私也是一个重大挑战。
RAG中的chunk质量如何评分？HiRAG对GraphRAG的改进思路及推理大模型用于机器翻译
2025年3月17日的文章介绍了RAG相关进展的三方面内容：推理模型在机器翻译中的应用、量化文本分块的有效性方法，以及通过引入层级结构解决局部信息与全局信息间的差距问题。
设计自己的满血版DeepSeek-R1+知识库
企业知识可以通过文本、表格和照片三种格式接入Coze。文章介绍了使用RAG方式接入企业私域知识的方法，并对大模型知识、知识库知识及插件知识之间的冲突进行了讨论，同时回顾了RAG的发展历程包括启蒙阶段和技术要点等内容。
GDELT情报分析遇见GraphRAG：兼看视频多模态RAG记忆增强检索实现思路
2025年3月15日北京下雪。文章介绍了视频多模态RAG记忆增强检索和GDELT事件知识图谱构建及与RAG效果评估，讨论了不同方法的优缺点及其在问答任务中的应用。
