免费在线RAG管道构建器，可视化设计检索增强生成流程。支持文档分块策略、嵌入模型选择、向量库配置、检索参数调优，一键导出配置。无需注册。
零依赖·可离线使用免费在线RAG管道构建器，可视化设计检索增强生成流程。支持文档分块策略、嵌入模型选择、向量库配置、检索参数调优，一键导出配置。无需注册。
RAG（Retrieval-Augmented Generation）是2023-2026年最流行的AI应用架构。核心思路是先从知识库检索相关文档，再将检索结果作为上下文输入LLM生成回答。关键环节包括文档分块（Chunking）、嵌入（Embedding）、向量存储（Vector Store）、检索（Retrieval）和生成（Generation）。混合检索（Hybrid Search）结合稠密检索和稀疏检索的优势，是目前效果最好的方案。
RAG（检索增强生成）是一种AI架构，先从知识库检索相关文档，再让LLM基于检索结果生成回答，解决LLM知识过时和幻觉问题。
固定大小分块最简单，语义分块效果最好但计算量大。一般建议从512 token固定分块开始，再根据效果调整。
混合检索结合了稠密检索（语义匹配）和稀疏检索（关键词匹配）的优势，通常效果更好，但需要两个检索系统。
支持ChromaDB（本地开发）、Pinecone（云服务）、Weaviate（混合检索）、Qdrant（高性能）、FAISS（本地高性能）。
不会。所有配置生成完全在浏览器本地完成。