- 综合排序
- 最热优先
- 最新优先
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。
58910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。
47910编辑于 2025-04-30 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-8 实现多元线性回归
其中θ包含（θ0~θn）一共(n+1)个参数值，但是对于实际的样本来说，一共有n个维度，其中θ0是截距intercept，在有的时候在进行线性回归的时候，最终返回给用户的时候，有可能不是将整个θ返回给用户的，而是将截距和下面的θ1 ~ θn(称之为系数coefficients)分开，这样做的原因在系数部分，每个θ值都对应着原来样本中的一个特征，这些系数从某种意义上来讲可以描述这些特征对于最终样本相应贡献程度是怎样的，而θ0截距和我们的样本特征是不相干的，只是一个偏移，所以把这两个部分分开。所以在我们自己封装多元线性回归的时候就采用分开的方式。当然在sklearn中也是采用这样的封装方式。
52600发布于 2019-11-13 - 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。
1K10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。
1.3K10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？ 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。 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.
1.4K11编辑于 2026-04-30 Obsidian 本地 AI 知识库实战指南
传统知识库用RAG模式每次提问AI都在重头找片段拼凑，而LLMWiki模式主张让AI承担将新知识提炼并“编译”成结构化、带双向链接的维基图谱，实现知识的真正复利与累积。 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？ 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。
1.9K01编辑于 2026-04-23AI驱动合同与知识管理：腾讯电子签与乐享的效能革新
腾讯电子签AI实现合同全流程自动化 腾讯电子签提供“拟-审-签-管”一体化AI解决方案，基于混元与DeepSeek双模型驱动，结合自研合同版式识别技术（精准度达93%）: AI智写：支持多模态输入（ 腾讯乐享知识库在客户实践中实现： 某泛互客户销售团队：对客户需求的响应速度提升20%，客服支持压力降低10%。 某律所客户：律师成长为合伙人的时间从5-8年缩短至4-6年，合伙人比例从10%-20%提升至20-30%，培养成本减少46%（来源：腾讯乐享客户案例数据）。 客户实践：律所与泛互行业效率跃升 某律所通过乐享知识库AI助手，将知识沉淀与检索效率提升，直接压缩人才培养周期与成本；某泛互企业利用AI知识库赋能销售团队，快速响应客户需求，降低客服负荷。 乐享知识库支持多模态解析（图片/表格）、自定义Agent及开放API，兼容企业现有系统。产品获腾讯内部17年实践验证，服务超30万家企业（来源：腾讯乐享官方数据），具备金融级安全与合规保障。
20810编辑于 2026-04-22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.
84720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：用户同时选择6个知识源，AI自动总结共性需求（如性能延迟、UI易用性）。 成效：快速生成结构化总结，标注来源文件，减少人工整理时间（来源：大会演示案例）。
48410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
1.1K10编辑于 2025-05-05 AI知识管理驱动法律行业效率变革
一名律师成长为合伙人平均需要5-8年，成为合伙人的比例仅为10%-20%，培养一名合伙人的成本高达130万元（来源：旷真律师事务所内部数据）。 构建结构化知识体系与AI智能应用 旷真律师事务所通过腾讯乐享知识管理平台，系统化沉淀和组织知识资产： 导入内部知识文档4w+，打造专属AI知识库 沉淀5000+谈案记录、8000+案例、200+指引、3000 +方案 建立1200+课堂、600+认证直播、17000+题目（来源：腾讯乐享平台数据） AI应用实现知识获取智能化： 基于《谈案七步法》开发谈案智能体，分十步骤整合知识库生成《谈案计划书》 财产线索识别系统从合同 AI知识库使知识获取更简单、解决方案更全面、律师训练成本显著降低。通过项目制案例管理，实现工时收入作为激励主项，让利润分配更合理。 等多种格式的文本识别与AI检索。
21510编辑于 2026-04-21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。
65910编辑于 2024-08-30腾讯电子签AI合同助理与乐享知识库：以AI重构企业合同“拟-审-签-管”与知识服务效能
提供AI合同助理与知识库全栈解决方案 腾讯电子签AI合同助理 AI智写：支持文字/语音/PDF/Word/图片/拍照多模态交互，一键生成合同、润色条款、推荐签署控件（来源：金元浩分享“AI智写：合同一键生成 腾讯乐享知识库AI功能 选定知识域问答：通过“@”检索多指定域文档，精准锚定知识（来源：杨锡坤分享“乐享知识库AI新功能——选定知识域问答”）。 量化应用效果与客户价值 乐享知识库客户价值（来源：杨锡坤分享“AI 知识库是企业接入 AI 技术 ROI 最高的场景之一”）： 某乐享泛互客户销售团队：客户需求响应速度提高20%，客服支持团队压力降低 某乐享律所客户：律师成长为合伙人时间从平均5-8年缩短至4-6年，成合伙人比例从10%-20%提升至20-30%，培养成本减少46%。 乐享知识库案例2（律所客户）：律师借助AI知识库加速知识吸收，成合伙人时间缩短1-2年，比例提升10-20个百分点，培养成本降46%（来源：杨锡坤分享“某乐享律所客户”）。
22410编辑于 2026-04-22乐享知识管理+AI：加速法律服务人才发展与效率变革
破解法律服务人才发展瓶颈 法律服务行业面临人才培养周期长（成长为合伙人平均5-8年）、成才率低（比例10%-20%）、培养成本高（约130万元）的核心痛点。 ，实现案例/指引生产存储； 2023年：乐享+AI，导入内部知识文档4w+，打造专属AI知识库，员工AI智能问答对答准确率提升； 2025年：乐享+AI 2.0，升级知识库升级（结构化、模块化、 协同化）、AI知识库自定义（按角色任务定向检索生成）、智能体应用（谈案计划书智能体、律师陪练智能体），结合旷真“精益法律服务”使命深化效率提升。 AI知识库自定义：支持不同角色/任务定向检索生成知识，如家事调解技巧多维度策略输出（沟通、利益平衡、情绪控制）。 业务风险控制：财产线索识别覆盖合同/判决图片，尽职调查通过AI算无遗策（如危险驾驶罪不起诉案例分析，整合法律依据与程序瑕疵利用策略）；AI知识库从800份邀约录音、200份复盘文件中生成邀约问答策略。
28220编辑于 2026-04-22腾讯乐享构建AI驱动的法律知识库：重塑人才培养周期与办案效能
传统的人才培养模式导致了三个核心业务瓶颈： 成长周期长： 一名律师成长为合伙人平均需要 5-8年，机构期望将其缩短至 4-6年。 构建覆盖全业务线的人工智能私有知识库 为解决上述业务痛点，旷真律师事务所引入腾讯乐享，从早期的基础知识管理逐步升级为 乐享知识管理+AI 2.0 模式，构建了深度嵌入业务流的智能解决方案： 全场景知识检索与生成 ： 将律所海量历史数据转化为私有知识库，支持不同角色、不同任务下的定向知识AI检索生成。 高频交互与精准度： 知识库实现每年 100万次 访问，员工人均访问社区 10+次/天。端到端AI智能问答准确率达到 91%。 高优场景数据提取： 在尽职调查环节，AI成功从图片中提取并构建了 10000家 建设单位的财产线索数据库；在邀约复盘环节，AI知识库能够直接对内部 800份 邀约录音和 200份 邀约复盘文件进行智能问答分析
25510编辑于 2026-04-21- 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
1.8K10编辑于 2026-01-09 - 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 【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.
30500编辑于 2025-06-205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
63610编辑于 2026-03-04
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