学习 Coze Studio 的代码架构
经过几天的实战和学习，我们已经全面体验了 Coze Studio 从智能体、插件、工作流到知识库的各项核心功能。今天，我们开始研究下它的源码，看看这些功能背后的实现原理。项目架构Coze Studio 的架构设计严格遵循 领域驱...
实战 Coze Studio 知识库使用
昨天我们学习了 Coze Studio 的工作流功能，通过在可视化画布上拖拽节点，迅速编排和搭建复杂的工作流。今天，我们将继续探索 Coze 的另一个核心功能 —— 知识库，学习如何为智能体注入私有或专业领域的知识，解决大模...
实战 Coze Studio 工作流搭建
昨天我们初步探索了 Coze Studio 的智能体和插件功能，体验了如何快速构建并扩展 AI 应用。今天，我们将更进一步，深入学习 Coze Studio 的核心功能之一 —— 工作流（Workflow），它是构建复杂、强大、专业的智...
实战 Coze Studio 智能体开发
昨天，我们成功在本地部署了 Coze Studio，并配置好了大模型。今天，我们将正式开始 Coze 智能体的探索之旅，学习如何利用其强大的可视化编排能力，创建并发布我们自己的 AI 智能体。创建智能体首先进入 “项目开发” 页面...
Coze Studio 快速上手指南
相信大家最近都被 Coze 开源的新闻刷屏了吧，作为国内智能体平台的扛把子，字节的这一波操作确实让人猝不及防。Coze 是国内最早一批做智能体平台的，它的很多功能做得确实很不错，用户体验也很赞；但是，随着今年深度搜索和深度研究等概念...
再学 RAGFlow 的问答流程（二）
废话不多说，我们今天继续学习昨天遗留的几个问答过程中的细节问题。上下文管理RAGFlow 检索完知识库后，需要将检索结果和系统提示词拼接丢给大模型回答问题，此时我们面临一个问题，检索的内容可能很长，超出大模型的最大 token 数，导...
再学 RAGFlow 的问答流程
昨天，我们对 RAGFlow 的问答流程进行了全面的学习，主要介绍了聊天助手的核心配置，并从源码的角度研究了从用户发起查询开始，到后端系统如何一步步处理并最终生成答案的过程。不过，问答过程中还有不少有趣的点可以展开学习，我们今天就继续深入...
学习 RAGFlow 的问答流程
昨天，我们详细学习了 RAGFlow 的检索测试功能，深入了解了其如何通过混合检索、重排序、知识图谱等多种策略从知识库中高效地召回相关信息。然而，检索只是整个 RAG 流程的第一步，召回的文本块并不能直接作为最终答案呈现给用户。为...
学习 RAGFlow 的检索流程
经过一段时间的学习，我们已经深入了解了 RAGFlow 从文件上传、解析、分块到知识库构建的全过程，并探索了 RAPTOR、知识图谱、标签集等高级功能。至此，知识库的构建阶段已经完成，接下来我们将进入 RAG 应用的核心环节：检索与...
构建和使用 RAGFlow 的标签集
检索准确性是衡量生产级 RAG 框架的试金石。除了自动关键词提取、自动问题提取、知识图谱等提升检索效果的方法外，RAGFlow 还引入了自动提取标签的功能，它会根据每个知识块的相似性，自动将用户自定义标签集中的标签映射到...