标签:#RAG · 清除筛选

安全相关·

提示注入:LLM 应用最容易被忽视的那把刀

通过真实 RAG 系统沦陷案例,详解提示注入攻击原理、间接注入的隐蔽性,以及分层防御策略与代码实现。

AI安全提示注入LLMRAG
安全相关·

提示注入:被所有AI应用忽视的安全威胁

提示注入是AI应用面临的最被低估的安全威胁。本文从真实踩坑经历出发,详解攻击向量、防护方案和实战代码。

AI安全提示注入Prompt注入RAG
AI技术·

RAG 检索质量烂的根因:不是 embedding 模型不行,是你检索姿势错了

大多数 RAG 系统的瓶颈根本不在 LLM,而在检索阶段。本文分享二十多个 RAG 项目中踩过的真实坑点和解法。

RAGLLM检索优化Embedding
AI技术·

RAG 落地踩坑记:从「听起来很美」到「能用但别指望太多」

做 RAG 半年,踩了无数坑。向量数据库怎么选、chunk 怎么切、retrieval 不准怎么办——把真实的血泪经验写出来,省得你再走一遍弯路。

RAGLLM向量数据库生产实践
AI技术·

RAG 系统上线三个月后的 7 个教训

从实战角度总结 RAG 系统开发和优化过程中的 7 个关键教训,包括 Chunk 策略、Hybrid Search、Reranker 等

RAG检索增强生成LangChain向量检索
AI技术·

RAG系统调优的血泪史:从50%到90%准确率的进化

一个从零搭建RAG系统的开发者,分享如何从"勉强能用"优化到"真正好用"的实战经验。没有理论堆砌,全是踩坑心得。

RAGLLM向量检索

显示第 13-18 篇,共 22