BLOG

知识分享

技术文章、实战教程、经验心得

共找到 3 篇文章

RAG 系列（二十三）：多模态 RAG——图片、表格也能检索

RAG 系列第二十三篇。真实文档里 30%–50% 的信息藏在图片和表格里，文本 RAG 完全看不到。三条处理路线：OCR/解析提取后文本化（最成熟）、CLIP 多模态 Embedding（图文同一向量空间）、ColPali 直接把 PDF 页面当图像处理（2024 年最新方法，绕开文本提取）。每条路线各自的适用场景和局限。

2026-05-19·约 11 分钟阅读

RAG代码理解AST

RAG 系列（二十四）：代码 RAG——让 AI 理解你的代码库

RAG 系列最终篇。代码不是文档，它有结构（函数/类）、语义（docstring）和调用关系（call graph）——普通文本分块会把这些全部丢掉。本文用 AST 解析 llm-in-action 代码库（22 个 Python 文件、225 个代码单元），构建调用图（168 条边），实现语义代码搜索和调用链查询。代码运行结果：`build_self_rag_graph` 的完整下游调用链、`main` 的 54 个直接调用、`build_index` 的调用树全部被正确找出。

2026-05-19·约 10 分钟阅读

RAG长上下文Large Context

RAG 系列（二十二）：长上下文 vs RAG——要不要 RAG

RAG 系列第二十二篇。Gemini 1.5 Pro 和 Claude 的百万 token 上下文窗口，让一部分人觉得 RAG 要过时了。这篇文章拆解两条路的实际代价：长上下文在成本和延迟上不是免费午餐；RAG 的检索会出错，召回不全。最后给出一个决策框架：文档量、更新频率、查询次数、延迟要求四个维度定位你的场景，再加一种两者兼用的混合策略。

2026-05-18·约 8 分钟阅读