https://hugozhu.site/tags/vector-database/Recent content in Vector-Database on All about Raspberry PiHugoenSat, 28 Feb 2026 00:00:00 +0000https://hugozhu.site/post/2026/129-openclaw-memory-design-best-practices/Sat, 28 Feb 2026 00:00:00 +0000https://hugozhu.site/post/2026/129-openclaw-memory-design-best-practices/<p>想象这样一个场景：你花了半小时向 AI 助手解释你的项目架构、编码偏好和团队规范，得到了一次满意的协作体验。第二天再打开对话——它全忘了。你又得从头来一遍。这不是 AI 不够聪明的问题，而是<strong>记忆架构缺失</strong>的问题。OpenClaw 的 Memory 系统试图从根本上解决这个痛点：让 AI Agent 拥有持久、可检索、可自维护的记忆能力。</p>https://hugozhu.site/post/2025/105-rag-retrieval-augmented-generation-guide/Fri, 19 Dec 2025 00:00:00 +0000https://hugozhu.site/post/2025/105-rag-retrieval-augmented-generation-guide/<p>在大语言模型(LLM)快速发展的今天，我们面临一个核心挑战：如何让模型能够访问和利用实时、专业或私有的知识？纯粹依赖预训练的模型往往会出现知识过时、幻觉问题，或者无法回答特定领域的问题。这就是检索增强生成(Retrieval-Augmented Generation, RAG)技术应运而生的原因。</p> <p>RAG通过将外部知识库的检索能力与LLM的生成能力相结合，为这个问题提供了一个优雅的解决方案。它不需要重新训练模型，就能让AI系统访问最新的、特定领域的知识，同时显著降低幻觉问题。本文将深入探讨RAG的核心原理、架构设计以及实际应用中的最佳实践。</p>