年底最值得一读的 RAG 论文： 《Retrieval-Augmented Generation for Large Language Models: A Survey | 面向大语言模型的检索增强生成技术：调查 [译]》 摘要：

强烈推荐这篇：《Advanced RAG Techniques: an Illustrated Overview》 不可多得的全面阐述 RAG 概念指南。 原文：pub.towardsai.net/advanced-rag-t… 译文：baoyu.io/translations/r…

Advanced RAG Cheat Sheet + Recipes 🧑‍🍳 We’re publishing a comprehensive diagram outlining all the different components of advanced RAG, the pain points they solve, and links to LlamaIndex resources. Here’s some core concepts that motivate advanced RAGs: 💡 Success metric for RAG

分享一下 Deck 中的一页，从 high level 的角度描述了 devv.ai 底层的架构（RAG 系统）： 1. 外部知识 2. 编码 3. 索引 4. 解码 & Retrieve 5. 排序 6. 生成 一个高效的 RAG 需要在每个环节都做非常多的优化工作。

RAG 并没有大家想象得那么复杂，要对技术祛魅，本质上就是 3 个部分组成。 感谢 fuxiang 把之前写的两篇关于 devv.ai RAG 原理的文章整理了一下，这样图非常清晰！

I’m gonna give 10 random people that repost this and follow me $25,000 for fun (the $250,000 my X video made) I’ll pick the winners in 72 hours

RAG Cheatsheet v2 💫 We're excited to highlight an expanded RAG cheatsheet by Wenqi Glantz which outlines twelve pain points across the stages of data ingestion, retrieval, querying, and the solutions for each pain point. There's too many parameters to tune in a RAG system and

x.com/i/article/1839…

图解 Transformer 架构 #1 什么是 Transformer #2 Transformer 黑盒 #3 Encoder/Decoder 架构 #4 Transformer 详细架构

7天卖出20w美金 最牛逼的独立开发出了一门14天，初学者的编程创业课 1300多个人买了这个价值169美刀的课程，可惜国内应该不会有人去购买 首先太贵了，我都觉得贵 其次，语言不通 想和年入100w美金的独立开发学学的可以考虑购买

自从学了脑科学后，我发现这个世界根本不存在执行力差。 每一次拖延，本质都不是懒惰，而是大脑在抵抗模糊。 大脑只会自动执行一件事：已经被压缩成可预测动作序列的任务。 可预测代表它能想象出第一步，它知道下一秒发生什么，它确信自己能收尾。

x.com/i/article/2002…

x.com/i/article/2013…

x.com/i/article/2032…

x.com/i/article/2036…

x.com/i/article/2039…

x.com/i/article/2038…

x.com/i/article/2046…