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。