腾讯ima知识库：接入满血DeepSeek r1

2025-11-14

微调 vs RAG！老爷爷都能听得懂！

这一集视频准备用通俗易懂的方法说清楚RAG和微调之间的区别…

2025-02-17

知乎直答：满血版DeepSeek r1免费用

DeepSeek R1满血版免费用啊！我们知道国产之光DeepSeek r1火遍全球，奈何官方托管访问量过大及其他原因导致老是出现服务繁忙，自家部署的话有只能部署个蒸馏小参数版本。上个视频我们介绍了如何在AskManyAI上用上满血版的DeepSeek r1，这一集要跟大家介绍在知乎上怎么用上，我们先去到官网，然后点击这里的知乎直答… 访问入口

2025-11-24

手动RAG已死！凶手是谷歌！

这两天都在谈微调和RAG，其实一个好的RAG搭建起来还是需要点技术的，比如你首先要去对文档分片，然后要找到好的word embeddings词向量数据库来将你文档分片进行向量化，好进行检索。然而，正是这些对分片策略、向量模型选择以及高昂数据库运维的持续投入，让许多希望快速部署知识问答系统的开发者望而却步。Google 文件搜索 API 的推出，正是为了终结这种复杂性。这项集成在 Gemini API 中的托管式 RAG 解决方案，将所有繁琐的底层工程——包括智能分块、高性能向量嵌入和索引管理——全部自动化封装，让您无需再为此耗费精力。它不仅提供了企业级的 RAG 能力，更以颠覆性的成本结构改变了游戏规则：文档存储完全免费，您只需为计算嵌入和模型使用检索到的上下文付费，极大地降低了应用的边际成本…展开更多文档入口

2024-11-29

RAG检索增强生成是什么鬼？

RAG（Retrieval-Augmented Generation，检索增强生成）是解决大语言模型”知识过时”和”幻觉”问题的核心技术方案。它的原理很简单：当用户提问时，先从一个外部知识库（如企业文档、数据库、网页等）中检索出相关的内容片段，然后将这些内容连同用户问题一起输入给大模型，让模型基于检索到的事实信息来生成回答。这样既利用了LLM强大的理解和生成能力，又能确保回答基于最新的、特定领域的事实知识。RAG已被广泛应用于智能客服、企业知识库问答、AI搜索等场景，是目前企业落地大模型最主流的技术架构之一。

2025-11-14

LLM上下文这么长了，还有必要用RAG吗？

替换视频人物的AI工具我分享过不少，但是这些人物一旦动作过大，替换后就很容已变成。这个AI工具却在这方面做得很优秀，关键还要免费… 什么是RAG？解决了什么问题？现在上下文长度都这么大了，还有必要用它吗？

2025-02-25

腾讯元宝DeepSeek r1：不是满血版？

这两天分享了不同平台接入的deepseek r1，避开官方deepseek访问经常服务不可用的问题，但是用起来总感觉不顺手，比如知乎接入的太卡顿，AskManyAI界面又太杂，今天我们看下腾讯元宝的这个介入效果如何… 访问入口