LangChain RAG入门教程：构建基于私有文档的智能问答助手
本文介绍如何利用检索增强生成（RAG）技术与LangChain框架构建基于特定文档集合的AI问答系统。通过结合检索系统和生成机制，RAG能有效降低传统语言模型的知识局限与幻觉问题，提升回答准确性。文章详细展示了从环境配置、知识库构建到系统集成的全流程，并提供优化策略以改进检索与响应质量。此技术适用于专业领域信息检索与生成，为定制化AI应用奠定了基础。
从云原生视角看 AI 原生应用架构的实践
本文核心观点：
• 基于大模型的 AI 原生应用将越来越多，容器和微服务为代表的云原生技术将加速渗透传统业务。
• API 是 AI 原生应用的一等公民，并引入了更多流量，催生企业新的生命力和想象空间。
• AI 原生应用对网关的需求超越了传统的路由和负载均衡功能，承载了更大的 AI 工程化使命。
• AI Infra 的一致性架构至关重要，API 网关、消息队列、可观测是 AI Infra 的重要组成。