年轻人起来冲

本文基于 ollama 推理框架，搭建了一个知识问答工具，可以利用大模型学习 obsidian 上的知识，并结合其中的闪卡插件，完成传统复习软件 Anki 的两个关键过程，即 "制卡与复习"，使用者只需要复习知识，不必进行复杂的制作卡片工作，基于大模型产出的问题，问题角度更发散，避免个人 “死背书”，还是倾向理解问题，但是同样也存在以下问题和文档内容不符合的问题，本文将一并说明

本文利用 llamaindex 的 KnowledgeGraphIndex 非结构化文档的知识图谱，并使用该知识图谱回答问题

本文用于记录学习 AgenticRAG 的过程

本文总结 GraphRAG 的定义、和传统 RAG 的区别，以及如何实现 GraphRAG

AdvancedRAG 侧重于增强检索到的文档的相关性和范围，这些技术（包括密集检索、混合搜索、重新排名和查询扩展）解决了 NaiveRAG 基于关键字的检索的限制

在实际场景中，深度学习模型运行的机器不总是有 GPU，这时候基于 tensorrt 的部署方案就无法满足要求，本文基于 openvino 压缩量化模型，然后将其部署到 CPU 上，实验证明：推理效果相当、推理耗时接近

在一些场景中，需要分析图片在不同时刻的变化情况，比如居家的早上、晚上变化，卫星图片不同年份的变化，通过分析变化，掌握空间内事物的变化趋势，那么应该如何分析不同时刻下图片的变化呢？

本文使用 nlp 快速检索出 pdf 文件中的关键信息，比如现有一堆合同文件，当你想搜索合同的甲乙方、金额时，不需要一个个文件打开看，只需通过该方法

Torch TensorRT 是 PyTorch 与 NVIDIA TensorRT 的新集成，它用一行代码加速推理

网站通过备案完成后，相当与已经被正式发布到互联网，后续维护与安全需要设置