📝未分类·
PostgreSQL 18 + pgvector 1.0：AI 原生数据库完整实战
PostgreSQL 18 正式发布。pgvector 1.0 原生向量索引 + 5 大方案对比 + RAG 实战 + 性能基准。
PostgreSQL 18pgvector向量数据库
🤖AI / LLM·
GraphRAG + 知识图谱 2026：图谱增强生成完整实战指南
GraphRAG 是 2026 年 RAG 2.0。本文 Microsoft GraphRAG / Neo4j / LangChain / LlamaIndex 4 大方案对比 + 5 个实战 + 选型决策树。
GraphRAG知识图谱Neo4j
🤖AI / LLM·
向量数据库 2026：从 pgvector 到专用向量数据库的完整对比指南
2026 年向量数据库完整对比：pgvector / Pinecone / Weaviate / Qdrant / Milvus / Chroma。本文 6 大产品深度对比 + 4 个实战 + 选型决策树。
向量数据库pgvectorPinecone
⚙️后端 / 架构·
RAG 2.0 实战：向量数据库选型与生产部署
RAG 是 AI Agent 商用的"最后一公里"。本文对比 6 大向量数据库，含 PostgreSQL 18 原生向量索引实战、4 个真实场景、生产部署清单。
RAG向量数据库pgvector
🤖AI / LLM·
RAG 系统从入门到生产：一份架构演进指南
从最朴素的 RAG 到多模态 + Agent + 自反思，本文用 7 个阶段讲清楚生产级 RAG 系统的演进路径。
RAGLLM向量数据库
🤖AI / LLM·
LlamaIndex vs LangChain 2026 选型指南
LlamaIndex 和 LangChain 是 LLM 应用的两大框架。本文用真实项目对比两者在 RAG、Agent、性能、生态上的差异。
LlamaIndexLangChainLLM
⚙️后端 / 架构·
Redis 8 向量搜索实战：从 0 搭建 RAG 系统
Redis 8 向量搜索 GA，无需专用向量数据库就能搭 RAG 系统。本文演示从安装到生产部署的完整流程。
Redis向量搜索RAG
🤖AI / LLM·
RAG vs Long Context：何时该用哪个？一份决策指南
Claude 200K、GPT-5 200K 上下文窗口后，RAG 还有必要吗？本文用真实数据对比两种方案，给出 5 个决策维度。
RAGLLM长上下文
🤖AI / LLM·
LlamaIndex Workflow 实战：事件驱动的 RAG 流水线
LlamaIndex Workflow 提供事件驱动的 pipeline 编排。本文演示如何用 Workflow 构建复杂 RAG。
LlamaIndexWorkflowRAG
🤖AI / LLM·
RAG 高级优化技巧：让准确率从 60% 到 90%
基础 RAG 准确率只有 60%。本文介绍 3 个高级优化技巧，可让准确率提升到 90%。
RAGLlamaIndexLLM