gsh的案例列表
RAGLAN
1.支持多阶段 RAG 检索流程，包括问题改写（Query Rewrite）、多路召回、结果融合、文档扩展、语义重排等能力。 2.支持混合检索模式，融合向量语义检索与 BM25 关键词检索，提高复杂问题场景下的知识召回准确率。 3.支持父子文档检索（Parent Document Retrieval），通过子块精准匹配与父文档上下文扩展，提升长文本问答效果。 4.支持多路检索结果融合（RRF），自动整合不同 Retriever 的搜索结果，优化候选文档排序。 5.支持 Cross Encoder 重排序，对初步召回结果进行深度语义匹配，提高最终上下文相关性。 6.提供统一 Retri
INFIAI AI
本项目为企业级多 Agent AI 平台，基于 FastAPI + LangGraph + Celery 构建，支持多 Agent 协作、流式对话与异步任务调度。平台涵盖 LLM 网关代理、三层记忆架构、RAG 知识检索增强、权限安全体系等核心模块，后端以 PostgreSQL + pgvector 为向量存储、Redis 为缓存与会话层、Celery 负责异步任务编排。项目从 0 到 1 完成架构设计与核心系统交付，验证多Agent 协作、记忆管理与 RAG 增强全链路可行性。
案例判断参考
gsh的案例列表
RAGLAN
1.支持多阶段 RAG 检索流程，包括问题改写（Query Rewrite）、多路召回、结果融合、文档扩展、语义重排等能力。 2.支持混合检索模式，融合向量语义检索与 BM25 关键词检索，提高复杂问题场景下的知识召回准确率。 3.支持父子文档检索（Parent Document Retrieval），通过子块精准匹配与父文档上下文扩展，提升长文本问答效果。 4.支持多路检索结果融合（RRF），自动整合不同 Retriever 的搜索结果，优化候选文档排序。 5.支持 Cross Encoder 重排序，对初步召回结果进行深度语义匹配，提高最终上下文相关性。 6.提供统一 Retri...
INFIAI AI
本项目为企业级多 Agent AI 平台，基于 FastAPI + LangGraph + Celery 构建，支持多 Agent 协作、流式对话与异步任务调度。平台涵盖 LLM 网关代理、三层记忆架构、RAG 知识检索增强、权限安全体系等核心模块，后端以 PostgreSQL + pgvector 为向量存储、Redis 为缓存与会话层、Celery 负责异步任务编排。项目从 0 到 1 完成架构设计与核心系统交付，验证多Agent 协作、记忆管理与 RAG 增强全链路可行性。...
