- 综合排序
- 最热优先
- 最新优先
- 来自专栏玉树芝兰
GraphRAG + GPT-4o mini 低成本构建 AI 图谱知识库
我们之前讨论了很多关于私有知识库。 为了让 AI 工作流更加简单，我做了一个工具，并且开放在了 Github 上面，网址在这里。 因此，我们需要让 AI 连接网络进行查询，以验证信息的准确性。 在这方面，一个比较好的工具就是 Perplexity。它能够网络查询，验证信息的准确性。 换句话说，我们用于总结这本书、构建知识图谱型知识库，以及进行查询的实际花费是多少呢？仅需要 0.23 美金。 祝基于知识图谱的 AI 知识库使用愉快！
1K32编辑于 2024-07-30 AI大模型知识库
而基于AI大模型构建的知识库系统，通过自然语言处理技术和深度学习算法，能够自动完成文本解析、语义关联与智能检索，使分散的知识资源形成有机网络，为企业知识管理带来革命性变革。 一、核心技术架构解析现代AI知识库采用多层神经网络结构，包含预训练语言模型作为基础层，结合领域适配微调技术实现专业术语理解。 相较于传统方案，AI大模型知识库在技术特性上展现出显著优势：语义理解深度方面，传统方案依赖关键词匹配，误差率高，而AI方案具备上下文感知能力，准确率超92%；更新维护成本上，传统方案人工录入月均耗时120h 二、典型应用场景落地AI大模型知识库在多场景落地应用，创造显著价值：智能问答机器人可7×24小时解答员工关于政策制度、操作流程的咨询，某金融机构部署后人力咨询量下降47%，提升咨询响应效率；辅助决策沙盘整合市场动态 五、未来演进方向展望随着多模态融合技术的发展，下一代AI大模型知识库将突破文本局限，实现图纸三维模型与操作视频的联动检索，拓展知识呈现与应用形式。
55810编辑于 2025-10-16- 来自专栏前端必修课
AI知识库的真相
这样，AI就会认真阅读所有内容，并自动生成完美结论。 然而，实际体验后，许多人发现AI知识库的效果远没有想象中理想，经常遇到各种奇怪的问题。 本文将从知识库的原理出发，探讨AI知识库的技术局限。 目前，大模型知识库最常见的技术是RAG（检索增强生成）。 当用户将资料加入知识库时，程序会先将其拆分为多个文本块。 随后，使用嵌入模型将这些文本块向量化。 以我自己的知识库为例，这里用到的嵌入模型输出的是1024维： 也就是说，每个文本块都被转换成一个由1024个数值组成的向量： 之后，程序会将向量及其对应文本存储到向量数据库中。 最终，知识库会选出与问题最相似的几个原文片段，将它们与用户的问题一同发送给大模型，由大模型进行归纳总结。 下一篇文章，我将用 Cherry Studio 搭建一个本地知识库，并详细分析这一流程的局限性。本文暂时到此为止。
46710编辑于 2025-04-30 - 来自专栏前端必修课
打造专属AI智能知识库
本文介绍了如何使用 DeepSeek API 打造个人 AI 知识库。此过程中需搭配嵌入模型，将知识库内容向量化，实现高效检索。DeepSeek 在获取知识库检索结果后，可以输出更清晰、准确的回答。 进入添加知识库页面后，选择已配置好的“BAAI/bge-m3”嵌入模型，输入知识库名称（如“Redis”），然后点击“确定”。 添加知识库数据 接下来可为知识库添加数据。 此时不关联知识库，直接用 DeepSeek Chat 询问“Redis 最新版本号是多少”。 可以看到 AI 给出的答案是错误的（知识停留在老版本，实际最新版已是 8.x）。 接下来，尝试关联刚刚创建的 Redis 知识库进行新一轮提问。 点击“知识库”，选择 Redis 知识库。 再次询问“Redis 最新版本号是多少”，AI 这次给出了正确答案（8.0 版本）。 总结 通过以上流程，可以高效构建个人 AI 知识库，并有效提升 AI 回答的准确性和时效性。
91910编辑于 2025-05-14 AI驱动的 知识库 新时代
近年来，人工智能（AI）从根本上改变了知识库的能力，许多数据库也纷纷进行了升级。但 AI 知识库究竟能为我们带来什么帮助？ 让我们深入了解 AI 知识库的不同之处、它如何能够帮助到我们、以及如何创建这样的AI知识库！什么是 AI 知识库在解释 AI 知识库之前，我们先来了解一下什么是知识库。 AI知识库不仅适用于企业，对于我们个人的学习生活都有巨大的帮助，比如我们可以上传各个地方收集而来的学习资料，利用AI知识库进行文件解析，最后你就可以获得某个专门的学习知识库了。 CourtListener包含数百万法律判决的开放法律研究平台学术研究与法律参考使用4. Q3：使用 AI 是否需要编程知识？ 不一定。许多平台都支持无代码或低代码设置，非技术团队也能轻松管理内容。Q4：AI 知识库的安全性如何？
1.3K10编辑于 2025-06-24- 来自专栏设计模式
Obsidian 本地 AI 知识库实战指南
再配合进阶的 Obsidian CLI（命令行接口），AI 甚至能直接看懂你整个知识库中的网状链接关系，帮你洞察思维盲区并生成结构化的知识图谱。 如何搭建 AI 本地知识库？ index.md ← 所有页面的内容导航 ├── log.md ← append-only 操作日志 ├── concepts/ ← 4 现在你可以定期（如每周一次）对 AI 说。 对我的知识库进行 Lint 审查。 结合腾讯版本地“龙虾”可以被微信接入，我们就可以在手机上轻松的阅读信息让电脑上的AI为我们管理知识库了。 记住以后让你学习，你都需要去操作我的本地知识库 到这里我们AI本地知识库的搭建和使用就完成了。 最后 我想说在正式用这套AI知识库系统之前，一定要注意以下 3 点： 1.
84911编辑于 2026-04-30 Obsidian 本地 AI 知识库实战指南
再配合进阶的ObsidianCLI（命令行接口），AI甚至能直接看懂你整个知识库中的网状链接关系，帮你洞察思维盲区并生成结构化的知识图谱。如何搭建AI本地知识库？ ←Karpathy原文归档└──wiki/├──index.md←所有页面的内容导航├──log.md←append-only操作日志├──concepts/←4个概念页面│├──llm-wiki-pattern.md 通过这种方式，你的灵感被永久沉淀，你的知识库在日常问答中实现了二次生长。定检与审查(Lint)：AI驱动的知识库体检传统笔记的弊端在于“记完就吃灰”，内部充满了死链接和矛盾的信息。 现在你可以定期（如每周一次）对AI说。对我的知识库进行Lint审查。 记住以后让你学习，你都需要去操作我的本地知识库到这里我们AI本地知识库的搭建和使用就完成了。
1.3K00编辑于 2026-04-23腾讯乐享AI知识库产品概要
一、产品定位与核心亮点 腾讯乐享AI知识库是一款面向企业级应用的智能知识管理平台，基于大语言模型与多模态内容处理技术，构建集知识沉淀、管理、检索与应用于一体的SaaS解决方案。 其核心差异化在于深度融合腾讯生态（企业微信、腾讯会议），提供多模态内容解析与场景化AI能力，实现从“知识存储”到“知识智能应用”的转型。 腾讯云知AI问答系统 背景：腾讯内部知识库面临知识更新滞后、模型局限性问题。 解决方案：采用乐享知识库+定制化agent（专业研究、国际化agent），结合混元、deepseek等多模型优化。 解决方案：营销知识库建设。 成效：未提供具体指标（原文未详述）。 3. 科沃斯机器人（ECOVACS） 背景：营销知识管理需求。 解决方案：营销知识库建设。 成效：未提供具体指标。 4. 解决方案：营销知识库部署。 成效：未提供具体指标。 5. 清华大学、深圳大学、同济大学、西安电子科技大学 背景：高校知识管理需求。 解决方案：高校知识库建设。 成效：未提供具体指标。 6.
66820编辑于 2026-04-05腾讯乐享AI知识库产品概要
一、产品定位与核心亮点 腾讯乐享AI知识库是一款面向企业级用户的智能知识管理与应用平台，深度融合AI技术，旨在激活和利用企业私有知识资产。 智能问答与检索：基于AI的多模态理解能力，提供精准答案并支持引文溯源。 场景化AI助手：可配置专属AI代理（Agent），适应不同部门或业务线的知识需求。 场景化AI配置：可定制AI性格、知识范围、专业术语库，提升回答准确性。 学习模式：将长文档智能拆解为知识脉络，生成学习提纲和互动测试。 企业级安全：提供多级权限管控，保障知识资产安全。 解决方案：乐享AI知识库识别图片中的标记点和文字说明，生成分步骤安装指南。 成效：精准输出安装步骤，并附示意图解析，提升客服效率（来源：大会演示案例）。 解决方案：AI解析表格结构，提取数据并执行计算。 成效：准确输出金额结果，避免手动计算错误（来源：大会演示案例）。 案例4：企业培训学习 背景：员工需快速掌握长篇制度文档（如考勤与休假管理制度）。
35910编辑于 2026-04-21- 来自专栏学习成长指南
AI超级智能体教程（七）---RAG实战本地知识库和云端知识库
1.RAG实战–本地知识库的应用 1.1编写代码 我们的文档添加到这个向量数据库里面去： 基于我们的知识库进行问答：我们的prompt+拦截器从向量数据库里面找到的上下文，两个组合在一起，发给我们的AI ，而且这个分数越高，表示我们的本地知识库里面搜索出来的这个内容和我们的用户输入的这个提示词的吻合度是更高的； 1.3输出结果 实际上仔细观察这个输出的结果，我们的这个回答就是从我们的本地的知识库里面去找到的 ，也就是我们的那三个md文档 2.RAG实战–云端知识库的应用 2.1新建云端知识库 这个主要是使用的阿里云百炼的云端知识库的平台，下面的这个步骤是我们后续进行这个云端的知识库开发的这个基础，大家实际需要重视一下的 2.3断点调试 这个时候我们会发现这个request打断点的位置内容和刚才的本地的知识库的差别还是很大的，大家可以去回顾一下本地的知识库的，这个云端知识库应该是直接加进来了，内容还是很多的； 这个时候云端知识库检索的结果是 5个，可以喝上面的本地的知识库进行对比一下，就可以发现两个的差别；大家进行学习的时候，也可以使用这个方式，对比一下两个方式的异同点； 2.4输出结果 这个测试的结果就是从我们的知识库里面搞得，我觉得这个也是很不错的
1K10编辑于 2025-05-05 智能客服落地后知识库配置太繁琐？试试AI问答+AI知识库！立省80%工作量！
解决方案：内置AI问答系统的AI知识库如果你也有以上烦恼，那么可以试试采用接入了AI大模型技术的知识库。 比如HelpLook AI知识库，其接入了GPT4o-mini、文心一言、豆包等AI大模型，不仅提供了强大的知识管理平台，还集成了AI智能客服机器人功能。 你只需要上传一份知识语料，即可利用HelpLook AI知识库快速搭建知识库。通过自然语言处理技术，其智能机器人能够理解和回应客户提出的各种问题。 该方案通过深度融合AI问答技术与先进的大模型能力，实现了知识库配置的智能化与自动化升级，具体优势如下：1. 智能优化与推荐：借助大模型的深度理解能力，HelpLook AI知识库能够分析用户行为数据，识别高频问题、无效问答对以及潜在的优化点。
64210编辑于 2024-08-30【JeecgBoot AIGC】AI知识库实战应用与搭建
其直观的界面结合了 AI 流程编排、RAG 管道、知识库管理、模型管理、对接向量库、实时运行可观察等，让您可以快速从原型到生产，拥有 AI 服务能力。1. 介绍本节将介绍如何在系统中添加和管理AI知识库。 AI知识库是一个结合了自然语言处理（NLP）、向量搜索和大语言模型（LLM）的智能信息管理系统，旨在高效存储、检索和管理知识，使AI能够更精准地理解并回答用户的问题。 在本系统中，AI知识库是AI应用、AI流程等模块的核心组成部分，为知识存储与智能检索提供支持。2. 4. 知识库文档点击已创建的知识库，进入 知识库详情页面。左侧菜单功能：文档：显示当前知识库的所有文档。命中测试：输入关键词测试文档的匹配情况。
29300编辑于 2025-06-20- 来自专栏码匠的流水账
使用MaxKB及deepseek搭建本地AI知识库
序本文主要研究一下如何MaxKB及deepseek搭建本地AI知识库步骤拉取MaxKB镜像docker pull cr2.fit2cloud.com/1panel/maxkb如果拉取不下来就用docker 模型设置–>添加模型，这里添加ollama的deepseek-r1:8b，其中API URL设置为http://host.docker.internal:11434，API KEY随便设置一个就行设置知识库创建知识库 –>向量模型为maxkb-embedding，知识库类型为通用型，之后上传文档，可以选择文本文件、表格、QA问答对，之后执行向量化设置应用创建应用–>设置AI模型–>关联知识库(添加知识库)，参数设置：
1.4K10编辑于 2025-02-13 - 来自专栏Lcry个人博客
RAGFlow 开源检索增强 AI 知识库部署教程
使用过 dify 和 fastgpt 的产品大家都知道还有一款增强 RAG 平台 RAGFlow，博主早在 2023 年 AI 盛行的时候就调研过这款产品，现在已经 2025 年，截止目前最新版本已经来到了 RAGFlow 依靠融合上下文引擎和预构建的代理模板，使开发者能够高效且精准地将复杂数据转化为高保真、生产准备的 AI 系统。 数据源也可以根据实际添加，可以使用 S3 协议自建 minio 或者 rustfs 初体验 知识库 创建一个知识库，上传一些文档试试。 聊天 创建一个聊天助手，配置引用知识库，然后进行问答。 搜索 搜索可以选择多个知识库进行检索，支持 AI 总结以及引用原文。 4、配置文件一般我们要维护哪些，可以调整哪些？ 答：一共有重要的 3 个文件。
1.6K10编辑于 2026-01-09 5分钟搞定AI知识库部署
初始化配置：登录后台后，第一步配置大模型（支持百智云、DeepSeek-V3等主流模型），注册会送体验额度，足够小团队试用；4. 二、核心功能实操：AI不是花架子，是真能提效率的利器AI开源知识库系统的核心能力围绕“AI驱动+知识库管理”展开，它的AI功能最难得的是“克制且实用”，不会过度炫技，而是精准解决传统知识库的痛点：检索慢 AI全链路能力：从创作到检索，彻底告别“大海捞针”这是AI开源知识库系统最核心的竞争力，我用下来最大的感受是：它把AI真正融入了知识库的日常使用，而不是作为一个单独的“附加功能”。 4. 第三方集成：知识触手可及，不用再在多个工具间切换AI开源知识库系统支持和钉钉、飞书、企业微信集成，还能做成网页挂件嵌在官网、产品后台，这一点让知识的流转效率大大提升。 五、最后想说：AI开源知识库系统适合谁？
55310编辑于 2026-03-04Codex 接入 Notion：把 AI 结果写回知识库
写回测试区」 4 让 Codex 读取 Playwright 官方文档 Codex 输出结构化内容 5 让 Codex 写回 Notion Codex 返回新建页面链接 6 人工打开 Notion 检查 第三步，准备一个 Notion 测试页 先在 Notion 里新建一个普通页面，名字叫： AI 写回测试区 这个页面只用来测试。里面不用提前写复杂模板。 如果已经有正式知识库，也建议先建测试页。 目标： 读取下面 2 个公开链接，并整理成一篇 Notion 知识库页面。 写入位置： 写到 Notion 页面「AI 写回测试区」下面。 如果找不到这个页面，先告诉我，不要写到其他地方。 最小上手步骤 4. 关键命令 5. 容易卡住的点 6. 下一步阅读 7. 资料来源链接 然后打开 Notion 页面检查。 页面里应该能看到这几块内容。 请把上面的资料整理成一份知识库草稿。 先在聊天里给我看，不要写回 Notion。 最后写回。 请把确认后的草稿写入 Notion 页面「某某知识库」下面。 标题用「某某学习笔记」。
15610编辑于 2026-05-18- 来自专栏Pandawiki AI知识库
企业级AI知识库到底能做什么？
企业级AI知识库的五大核心能力1. 智能问答：让每个员工都拥有“专家大脑”想象一下，新员工遇到技术问题，不用打扰老同事，直接在知识库里提问就能得到精准答案。 4. 深度集成：赋能现有业务系统这才是企业级知识库的真正价值所在。PandaWiki提供完整的API接口，可以与企业微信、钉钉、CRM、ERP等系统深度集成。 销售场景：客户咨询产品参数，销售在CRM里直接调用知识库AI回答客服场景：常见问题自动回复，复杂问题转人工，提升服务效率研发场景：开发过程中随时查询技术文档，减少沟通成本5. AI知识库之旅如果你也想让企业的知识管理迈入智能时代，PandaWiki值得一试写在最后在AI时代，知识管理不再是简单的信息存储，而是企业核心竞争力的重要组成部分。 PandaWiki以其强大的AI能力和企业级特性，正在帮助越来越多的企业实现知识管理的智能化转型。无论你的企业规模大小，无论你处于哪个行业，一个智能的知识库都能为你的团队带来实实在在的效率提升。
45410编辑于 2025-11-03 - 来自专栏老张的求知思考世界
利用ima.copilot，打造你的AI知识库
和几位同学聊起了各路 AI+工具的强大特性，特别是对于团队来说很重要的知识库功能，是我个人认为对职场同学，特别是对于技术管理同学来说很重要的一种增强个人竞争力的途径。 前段时间体验了一下腾讯推出的AI+智能工作台ima.copilot，用了一段时间后不得不感慨国内公司在技术应用落地方面的创新和速度。 4、个性化知识库：用户可以创建个人知识库，将收集到的内容(文档、笔记、图片)分类存储，并通过标签和搜索功能快速检索。知识库还支持多种格式的文档处理，包括图片识别和截图提问功能。 提问后可以点击AI回答底部的【记笔记】按键，即可将梳理好的内容快速填入笔记中。当然，ima.copilot的功能不仅限于此，安装后其内置一篇ima使用指南，参考一下即可。 这也是AI工具的最大价值，节省信息检索和梳理筛选环节，让人可以投入对信息的深度思考和输出方面。
3.7K20编辑于 2025-02-06 - 来自专栏码匠的流水账
使用open-webui+deepseek构建本地AI知识库
序本文主要研究一下如何使用OpenWebUI+deepseek构建本地AI知识库步骤拉取open-webui镜像docker pull ghcr.io/open-webui/open-webui:maindocker Can't read MIDR_EL1 sysfs entryINFO [open_webui.retrieval.utils] query_doc:result [['7ee3e76c-7804-4eb7 知识库管理设置 --> 管理员设置 --> 文档 --> 语义向量模型引擎 改为ollama， 语义向量模型改为bge-m3:latest工作空间 --> 知识库，点击+号上传文档使用时需要在聊天框通过 #来指定知识库设置 --> 管理员设置 --> 数据库 --> 下载数据库，可以导出sqlite数据小结整体体验是docker部署起来，页面展示有点慢，联网搜索一开始选择serply不生效，换成tavily 对于知识库方面，可以上传文档和目录，聊天窗口可以指定使用哪个知识库，也可以同时开启联网搜索，整体效果还可以，可以同时引用知识库和搜索引擎的检索结果，看日志还会保存到向量数据库(save_docs_to_vector_db
5K10编辑于 2025-02-18 - 来自专栏深度学习|机器学习|歌声合成|语音合成
neo4j 基础教程以及导入知识库步骤
文章目录 neo4j neo4j简介 Neo4j优点 Neo4j install py2neo Node & relationship neo4j Neo4j是一个世界领先的开源图形数据库， neo4j的数据由下面几部分组成： 节点、边、属性 顶点（node）和边（relationship）和属性，无论是顶点还是边，都可以有任意多的属性。 属性的存放类似于一个 HashMap，Key 为一个字符串，而 Value 必须是基本类型或者是基本类型数组 Neo4J中节点和边 都能够包含保存至的属性，此外： 可以为节点设置零或多个标签 每个关系都对应一种类型 neo4j简介 Neo4j 的特点和优势 SQL就像简单的查询语言语句Ne
92020发布于 2021-01-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号