Docling vs Marker vs MinerU
如果这个阶段出错，下游的一切——分块、嵌入、检索、生成——都会继承这种损害。原文链接:Docling vs Marker vs MinerU - 汇智网。
教程：如何用AutoRAG + Milvus避免RAG 与Agent 中出现串租问题
多租户 RAG 与Agent系统的生产实践中，最致命的事故莫过于数据串租，系统将租户 B 的私有数据作为背景知识，回答了租户 A 的提问。
AI 开源知识库大战WeKnora、RAGFlow、FastGPT、FlashRAG谁更厉害
我看大家对目前的开源RAG知识库都挺感兴趣的，就像来对比一下目前比较流行的几个知识库，看看哪个更适合你，哪个更有钱途，哈哈。其实真要搭过这几个知识库，就会发现：每个用到的地方，还真不一样，不信你试试。有的是“能跑论文”的，有的是“能给老板演示”的，还有的是“真能上线用的”。
MindSpore Transformers LLM Megatron 风格数据集预处理
一、Megatron 数据集预处理概述Megatron-LM 是大模型经典分布式训练数据流水线方案，核心特点：文本分片打包、连续长文本拼接、固定序列长度 Packing、无填充冗余、分布式数据分片、动态掩码，解决传统单样本 padding 带来的算力浪费，显著提升预训练吞吐。
RAG这次真死了！SAG2才是本地知识库的神，又快又准又便宜～
SAG2 在 51 万份企业文档上建库 8 分 32 秒，Recall@10 达 81.10%，比 HippoRAG 2 高 15.55 个百分点，体积只有 10 几 MB。
Python用 AI 做竞品功能对比矩阵：把一堆资料变成一张能决策的表
做竞品分析最费时间的不是"看资料"，而是把几十个网页、更新日志、文档整理成一张能横向比的表。人工整理要几天，而且常常维度随手定、把"宣传语"当成"已实现功能"。本文用代码定骨架、定来源、做校验，只让 AI 逐格抽取、逐格引用原文，没有依据的格子坚决留空。
RAG召回率卡在75%上不去？Corpus2Skill告诉你，方向就错了
你们公司是不是也有这么一个故事：花了半年时间，调了一个又一个向量数据库，Embedding模型换了三轮，RAG的召回率从60%调到75%，技术团队加班到凌晨，好不容易上线了。然后呢？业务部门的人用了两周，反馈来了：”问它我们的产品规格，它有时候给我，有时候给我竞品的参数。