Dify: Production-ready platform for agentic workflow development
深入分析 GitHub 趋势项目 Dify，探讨其作为 Agentic AI 工作流平台的架构设计、应用场景以及社区生态。
标签
RAG
共 9 篇文章
anything-llm: Stop renting your intelligence. Own it with AnythingLLM. Everything you need for a powerful local-first agent experience
深入分析 GitHub 趋势项目 anything-llm，探讨其技术架构、应用场景和社区价值。
LightRAG: [EMNLP2025]
深入分析 GitHub 趋势项目 LightRAG，探讨其技术架构、应用场景和社区价值。
zvec: 阿里开源轻量级高性能向量数据库，单进程内极速向量检索
深入分析阿里开源的 zvec 向量数据库，探讨其轻量级架构、极致性能优化策略以及在 AI 应用中的应用场景。
客户服务Agent：对话管理、知识库集成与多轮对话
深入探讨客户服务Agent的核心技术，包括对话状态管理、意图识别、知识库集成和多轮对话策略
RAG 篇：基于知识库的智能问答系统设计
RAG 用检索把外部知识送进上下文，让模型基于企业文档、代码库、规范和数据库说明回答问题。
向量数据库篇：Embedding 检索系统如何选型
向量数据库负责存储 embedding 并做相似度检索，是 RAG、语义搜索和推荐召回中的重要基础设施。
LLM 应用评测篇：如何判断模型回答是否靠谱
没有评测的 LLM 应用很难持续迭代，Prompt、模型和检索策略的每次修改都可能带来隐性回归。
向量数据库在 RAG 系统中的应用：从 pgvector 到 Milvus、Qdrant
RAG 系统里的向量数据库负责语义召回，但真正的效果取决于切分、Embedding、索引、元数据过滤、重排和更新链路。