Ray的案例列表
知澜RAG
一个企业内部知识库问答系统，让员工用自然语言直接问公司文档里的内容，不用再去各种地方翻手册。 每次找什么信息要么在内网搜关键词搜一堆不相关的，要么直接发微信问同事占用别人时间。这件事用关键词搜索是解不好的，用户嘴里说"怎么请假"，文档标题写的是"假期申请流程"，字面对不上。这就是 RAG 的典型场景。 架构上分成两条管道：离线索引管道（文档上传 → 解析 → 分块 → Embedding → 存 PGVector）和在线查询管道（查询改写 → 混合检索 → RRF 融合 → Reranker 精排 → 上下文裁剪 → 引用溯源 → 流式生成）。 技
知澜RAG
一个企业内部知识库问答系统，让员工用自然语言直接问公司文档里的内容，不用再去各种地方翻手册。 员工每次找什么信息要么在内网搜关键词搜一堆不相关的，要么直接发微信问同事占用别人时间。这件事用关键词搜索是解不好的，用户嘴里说"怎么请假"，文档标题写的是"假期申请流程"，字面对不上。这就是 RAG 的典型场景。 架构上分成两条管道：离线索引管道（文档上传 → 解析 → 分块 → Embedding → 存 PGVector）和在线查询管道（查询改写 → 混合检索 → RRF 融合 → Reranker 精排 → 上下文裁剪 → 引用溯源 → 流式生成）。
案例判断参考
Ray的案例列表
知澜RAG
一个企业内部知识库问答系统，让员工用自然语言直接问公司文档里的内容，不用再去各种地方翻手册。 每次找什么信息要么在内网搜关键词搜一堆不相关的，要么直接发微信问同事占用别人时间。这件事用关键词搜索是解不好的，用户嘴里说"怎么请假"，文档标题写的是"假期申请流程"，字面对不上。这就是 RAG 的典型场景。 架构上分成两条管道：离线索引管道（文档上传 → 解析 → 分块 → Embedding → 存 PGVector）和在线查询管道（查询改写 → 混合检索 → RRF 融合 → Reranker 精排 → 上下文裁剪 → 引用溯源 → 流式生成）。 技...
知澜RAG
一个企业内部知识库问答系统，让员工用自然语言直接问公司文档里的内容，不用再去各种地方翻手册。 员工每次找什么信息要么在内网搜关键词搜一堆不相关的，要么直接发微信问同事占用别人时间。这件事用关键词搜索是解不好的，用户嘴里说"怎么请假"，文档标题写的是"假期申请流程"，字面对不上。这就是 RAG 的典型场景。 架构上分成两条管道：离线索引管道（文档上传 → 解析 → 分块 → Embedding → 存 PGVector）和在线查询管道（查询改写 → 混合检索 → RRF 融合 → Reranker 精排 → 上下文裁剪 → 引用溯源 → 流式生成）。 ...
