【AI】十二.Retrievers检索器+RAG文档助手项目实战
什么是Retriever 统一接口：标准化检索流程，无论数据来源如何，最终输出`Document`对象列表。 多源混合检索：支持同时查询向量库、传统数据库和搜索引擎【提高召回率】
【AI】十一.Milvus向量数据库多案例实战
安装 Milvus Python SDK， 支持 Python、Node.js、GO 和 Java SDK。 建议安装与所安装 Milvus 服务器版本相匹配的 PyMilvus 版本
【AI】十.大模型必备技术Milvus向量数据库
向量数据库介绍和技术选型思考 为什么要用向量数据库，不能用MySQL存储 文档块通过嵌入模型处理后得到对应向量，下一步就是将向量存储到数据库中，方便后续进行检索使用
【AI】九.RAG系统必备之嵌入大模型Embedding
什么是文本嵌入Text Embedding 文本嵌入（Text Embedding）是将文本（单词、短语、句子或文档）映射到高维向量空间的技术。
【AI】八.人工智能和高等数学核心基础扫盲
向量就是一串有序的数字，像一条带方向的“箭头”, 在机器学习里面尤其重要
【AI】七.RAG检索增强生成之文档切割
RAG系统链路构建之文档切割转换 构建RAG系统：涉及的技术链路环节: 文档加载器->文档转换器->文本嵌入模型->向量存储->检索器
【AI】六.RAG 检索增强生成之Loader实战
RAG系统链路和数据加载Loaders技术 RAG系统与LLM交互架构图 注意 万丈高楼平地起，基础需要打牢固，一步步进行，然后学会举一反三使用 如果直接讲Agent智能体
【AI】五.AI大模型必备之RAG和智能医生实战
“幻觉输出”（Hallucination）是大语言模型（如GPT、Llama、DeepSeek等）生成内容时的一种常见问题. 指模型输出看似合理但实际错误、虚构或脱离事实的信息。
【AI】四.Pydantic模型和LLM高级解析器实战
Pydantic 是一个在 Python 中用于数据验证和解析的第三方库，是 Python 使用最广泛的数据验证库 声明式的方式定义数据模型和，结合Python 类型提示的强大功能来执行数据验证和序列化
【AI】三.LCEL表达式和输出解析器多案例实战
什么是Chain链 是构建语言模型应用的核心组件，用于将多个模块（如模型调用、提示模板、记忆系统等）组合成可复用的工作流程。