太强了 56篇文章…一周一篇，持续一年高产，太强了太强了orz

+1 24年真是越来越忙，Q4 直接拉满

新年快乐！！！

严老师 ti cool 啦 ！

翻译或者论文阅读用 AI 确实方便了不少，效率有提高 查询一些开发相关的问题比直接问搜索引擎方便很多 还有一些技术选型调研，先用 AI 问一遍，然后再去看具体的实现细节，效率确实更高了 写文方便，现在用AI帮忙生成摘要信息、标签等等都很方便 还有就是查询文档啊巴拉巴拉的 最后放一张之前看到的 JINA AI 的表情包 TiDB AI 加油！以后直接复制粘贴代码或者参数配置 (不是 [659009393C4EEE619FB331CF18D05ED6]

噗 刚好这周打算出去玩，只能线上了 顺便求一个录播

其实好像陕西也不都是吃暖锅，饺子也行！

期待这个

感谢回复科普！！！ 我自己用的 bgm-m3 和 bge-reranker-v2-m3，不过这两我所知的貌似就 siliconflow 有部署orz 再问个刁钻的问题，就是如果我在 tidbcloud 用了向量库的能力，现在有办法通过调用 openapi 来查询吗 0.0 这个需求确实和 tidb 想用 sql 执行向量和关系型的理念有冲突 但是比如目前的 Dify cloud，好像没有比较好的方法使用 tidbcloud vector…

好奇 [RAG + 知识图谱] 是否可以理解为 [向量检索 + 全文检索] + rerank？ 实际使用起来 [embedding 在构建向量库] 和 [rerank 在查询后重排序] 的场景其实挺吃计算资源的，而且响应可能会比较久 好奇这块有没有优化hhhh有没有更详细的流程或者架构图可以分享的

派出了家里的猫先锋

旅行包看着不错

领到 79 刀，中秋快乐

恭喜大佬

幂律智能在做这种，不过法律这种应该不止得用 RAG，应该还需要微调模型

目前大部分场景个人感觉主要集中在知识库，比如基于企业知识库的RAG、文档机器人等等。 个人感觉金融行业对大模型的应用场景比较深入，比如对于有大量研报路演资料的情况，研究员可以基于 RAG 快速总结关键点或者筛选文档；交易员的模型策略选择可能也会有应用场景。 对于传统行业的企业知识库 RAG 场景，目前会有一个比较大的问题就是，传统行业的操作手册或操作文档里包含了大量的图片。也许可以用 image embedding 或者 image2text + text embedding，感觉涉及不到向量库的改动 ？ 除了基于文档的场景，这种场景可能需要用户手动搜索。也许还存在一种主动推送 or 推…

感谢！