- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据和云
YH11：Oracle Flex ASM 知识库
在 Oracle 12c 之前，对于要使用 ASM 的数据库实例来说，所有节点上的 ASM 实例必须已处于运行状态，才能启动数据库实例。如果 ASM 实例未运行，则意味着在存储级使用 ASM 的数据库实例不能启动。这实际上意味着无论采用何种技术（即 RAC、ASM 和共享存储），均不能访问数据库实例。 随着 Oracle 12c 的推出，一个名为 Oracle Flex ASM 的特性解除了上述限制，它的一个主要特性是故障切换到集群中的其他节点。本质上是一个中心和叶架构，Oracle Clusterwar
1.2K80发布于 2018-03-07 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。
50910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。
43210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。
76410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 知识库能给个人用户带来帮助吗？ 当然！ 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。 ComIDP AI knowledge base即将上线并使所有用户都能够构建你专属的 AI 知识库。
1.2K10编辑于 2025-06-24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.
35420编辑于 2026-04-05- 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
92610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。
59610编辑于 2024-08-30【JeecgBoot AIGC】AI知识库实战应用与搭建
JeecgBoot 平台的 AIGC 功能模块，是一套类似 Dify 的 AIGC应用开发平台 + 知识库问答 子系统，是一款基于 LLM 大语言模型 AI 应用平台和 RAG 的知识库问答系统。 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.
27600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：
1.3K10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。 ，传说中做知识库属它最牛逼，但是使用体验下来真的就是资源占用太大了，对准确率高的资源不在乎的可以尝试配置学习试试，这个也通过和 dify 结合进行使用，网上有相关教程可以参考，将 ragflow 直接外挂给
1.1K10编辑于 2026-01-09 5分钟搞定AI知识库部署
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”。 案例2：电商企业——搭建智能客服FAQ知识库身边做电商的同行，用AI开源知识库系统搭建了客服FAQ知识库，整合了产品使用问题、物流问题、售后政策等内容，还集成到了钉钉客服群和电商平台后台。 五、最后想说：AI开源知识库系统适合谁？ AI开源知识库系统并非“万能的”，但它绝对能精准解决知识管理痛点，结合我的使用经验，以下这类团队/个人最适合用它：• 中小技术团队：不想花高成本用商用Wiki，又需要AI提升效率，AI开源知识库系统的开源性和轻量化完美适配
43710编辑于 2026-03-04- 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。 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. 知识库的企业，我建议：分阶段实施：先选择核心部门试点，验证效果后再推广数据迁移策略：优先迁移高频使用的文档，逐步完善培训赋能：组织培训让员工掌握AI问答技巧建立规范：制定文档编写和更新标准，确保知识质量开始你的 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。
39110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。 使用案例以知识库功能来说，ima.copilot支持创建多个知识库，并在知识库中上传个人收集的各种资料和PDF文件等信息。 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。
3.4K20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 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
4.8K10编辑于 2025-02-18 VFP AI 插件开发花絮10：知识库检索
搞定JSON对象的解析，对 VFP AI 插件来说，就算是搞定了基础工程。 之前介绍了知识库的一些基础，如VFP AI 插件开发花絮8：知识库基础、VFP开发者如何构建自己的知识库，介绍了一些基本使用的工具软件和交互操作。 但是，我们需要程序化的使用知识库，以用于 VFP AI 插件或其他应用程序，所以，构建了 AnythingLLM.VCX 库，编译为多线程DLL。 预热知识库 If m.loObj.Warmup() ? "知识库预热成功！" Else ? "知识库预热失败！" EndIf ? *!* 5. 知识库检索 m.loJSON = m.loObj.VectorSearch([VFP是什么？], 2) ?
11410编辑于 2026-04-02重构你的知识库：AI驱动，高效便捷——PandaWiki
这玩意儿专门解决咱们写文档、管知识的痛点，尤其是需要 AI 加持的场景，简直刚需。项目简介PandaWiki 的官方定义是：“一款AI大模型驱动的开源知识库搭建系统”。 和传统 Wiki 不一样，它骨子里透着 AI 的 “聪明劲儿”，能帮你用 AI 写内容、用 AI 回问题、用 AI 做搜索，相当于给知识库请了个 “智能小助手”。 首次登录，系统会引导你配置AI模型，你可以选择接入各种主流的大模型服务。配置完成后，创建一个属于你的“知识库”，相当于把一堆文档归个类，每个知识库对应一个独立的 Wiki 网站。 控制台界面很清爽直观，可以创建和设置多个不同的知识库，管理所有文档，配置AI模型，设置网站的外观、域名等等。 小结PandaWiki 是一款非常出色的开源知识库系统，它精准地抓住了当前“知识管理 + AI”的核心趋势。
65610编辑于 2025-09-18- 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。 使用案例 以知识库功能来说，ima.copilot支持创建多个知识库，并在知识库中上传个人收集的各种资料和PDF文件等信息。 提问后点击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功能不限于此，安装后其内置一篇ima使用指南，参考一下即可。 最后聊点关于学习提升方面的话题。 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。
1.7K10编辑于 2025-02-06 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ ❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 ❤ Secure AI Agents at Runtime with Docker Docker推出AI Agent运行时安全解决方案 Docker发布了关于如何在运行时保护AI Agent的新方法， 随着AI工具的强大和普及，它们也变得不可预测且易受攻击。从LLM输出中的幻觉到提示注入，AI工作流面临多重安全威胁。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。
33310编辑于 2025-09-17 【AI流程应用】智能知识库搭建与实战应用
JeecgBoot 平台的 AIGC 功能模块，是一套类似 Dify 的 AIGC应用开发平台 + 知识库问答 子系统，是一款基于 LLM 大语言模型 AI 应用平台和 RAG 的知识库问答系统。 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。 为每个知识库检索节点添加LLM 节点。输入变量 ：开始/用户问题：用户的提问。Jeecg知识库/文档内容：知识库检索到的文档内容。模型 ：选择在AI模型中创建的聊天模型。 体验工作流应用进入 AI 应用的演示页面，输入问题：jeecg是什么？可以看到，AI 结合 JeecgBoot 知识库 提供精准回答。再尝试提问：你可以干什么？ 如果该问题不在知识库范围内，AI 将返回默认回答：我不知道这个问题怎么回答呦。通过以上步骤，您已成功创建一个能够理解 积木报表 和 JeecgBoot 并智能应答的 AI 机器人。
35500编辑于 2025-05-29
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