第14页 | RAG | 人人都是产品经理

AI,个人随笔

AI产品经理必修课：RAG（2）

RAG不是一个技术名词，而是一种产品思维的重构方式。从“Retriever-增强”到“生成-调度”，RAG的每一环都关乎产品的边界、能力与体验。本文将从产品经理视角，拆解RAG的核心机制、应用场景与设计要点，帮助你在AI产品构建中真正“用得上、做得对”。

我是黄晓泽

AI产品经理 RAG 基础知识

AI

从0到1构建 RAG 知识库（券商客服案例实战）

RAG 不只是技术热词，它正在重塑企业知识系统的构建方式。本文以券商客服场景为例，系统拆解从0到1构建 RAG 知识库的全过程：从数据准备、向量化、检索策略到生成逻辑，不仅有技术路径，也有业务思维。

梧桐AI

RAG 从0到 1 案例分析

AI

深入解析检索增强生成（RAG）与事实型AI的未来

RAG，不只是“检索+生成”的拼接，更是AI从语言模型走向事实型智能的关键跃迁。本文系统拆解RAG的技术机制、应用场景与演化趋势，并结合事实型AI的发展逻辑，探讨内容可信度、知识边界与生成控制的未来方向。

像素呼吸

AI应用 RAG 发展趋势

AI

时态智能AI代理：构建能感知时间变化的下一代RAG知识系统

RAG正在进化，但真正的突破不在参数，而在时间维度。如何让AI代理理解“知识的时间性”？如何在系统中嵌入“时态感知”的机制？本文以产品视角切入，提出“动作-时间-知识”三元协同模型，为AI产品经理提供下一代知识系统的设计思路。

来学习一下

AI应用 RAG 技术原理

AI,个人随笔

AI产品经理必修课：RAG（1）

你可能听过RAG，但你真的知道它如何影响AI产品的设计吗？从原理到应用，从技术到产品思维，这篇文章将带你快速掌握RAG的核心逻辑，为你的AI产品打下坚实的认知基础。

我是黄晓泽

AI产品经理 RAG 基础知识

AI

Graph RAG详解：复杂根因分析场景实践

在复杂业务系统中，根因分析往往面临数据维度多、因果链条长、语义理解难的问题。传统RAG方案在面对这类挑战时显得力不从心，而Graph RAG的出现，正是一次从“检索增强”到“图谱推理”的范式跃迁。本文将结合真实业务场景，深入拆解Graph RAG的核心机制与落地路径，帮助你理解它如何在复杂因果分析中实现更强的语义穿透与推理能力。

思敏

AI应用 RAG 使用场景

AI

RAG实践技巧：将向量库降级为“语义路由器”，让答案更合理

随着模型上下文长度的增加和知识库的扩展，传统的向量化方法在RAG中的应用逐渐暴露出其局限性。本文将深入探讨RAG技术的核心链路，分析向量化在其中的作用，并提出一种新的架构：将向量库降级为“语义路由器”，结合结构化的知识库，以解决语义相似性与答案相关性之间的矛盾，从而让生成的答案更加合理和精准。

叶小钗

RAG 向量库技术原理

检索增强生成（RAG）的版权新关注

RAG通过整合预训练语言模型和外部知识库，显著提升了生成内容的准确性、时效性和专业性。然而，这一技术的广泛应用也引发了新的版权问题。本文将深入探讨RAG技术的版权挑战，分析其在数据检索收集、技术保护措施以及作品利用等环节中的法律风险，并探讨合理使用原则在RAG场景下的适用性。

腾讯研究院

AIGC OpenAI RAG

AI

AI产品经理：RAG原理详解，一个高质量知识库背后的工作机制

掌握 RAG（检索增强生成），就是把大模型从“聪明却不可靠的演讲家”升级为“随时查资料、句句有出处”的超级顾问，让 AI 功能在产品里真正可用、敢用、可持续用。作为AI产品经理的我们，这也是必须掌握的技术原理。

产品经理小易

AI产品经理 RAG 基础知识

AI

万字详解：RAG研究与销售助手实战应用

当AI从“生成”走向“检索增强”，RAG（Retrieval-Augmented Generation）正成为连接知识库与智能交互的关键桥梁。它不仅是技术研究的热点，更在企业应用中展现出巨大潜力，尤其是在销售场景中，正在重塑客户沟通、内容响应与知识调用的方式。本文将从RAG的底层原理讲起，结合真实案例，深入解析其在销售助手中的实战应用路径。