RAG应用

[关于段落（或特定句子）末尾带引用的RAG如何实现这一主题，大家分享了多种实现方式，包括利用ChatGPT API、存储元数据、模型结构化输出等，讨论氛围积极且富有技术探讨性]

[原帖询问关于Ollama、LMstudio、AnythingLM或openwebUI使用RAG的经验及最佳配置，评论者们分享了自己使用这些工具或其他工具的经验、推荐了相关工具并提及一些操作要点，整体氛围积极且务实。]

[原帖主在构建RAG时遇到结果不完整和包含无关内容的问题，评论者们从分块策略、检索策略、模型设置等多方面给出建议、分享经验并提出新的问题。]

[原帖询问处理100 - 300页大型PDF的RAG应用并求比较，评论者们分享自身经历、推荐应用、提出技术建议、探讨处理方式及RAG功能等，整体氛围积极探索]

[原帖询问构建RAG功能的成本效益高且简单的解决方案，评论者们从不同方面给出了自己的技术栈、组件、工具、模型推荐，还有成本相关分享、构建经验及对一些项目的看法等内容，整体氛围积极且富有建设性。]

[原帖质疑大AI公司不支持RAG解决方案，评论者们从不同角度进行讨论，包括指出部分公司已支持、探讨RAG的构建与应用、分析大公司不支持的可能原因等，氛围较为理性探讨]

[原帖询问RAG在大型代码库上的有效性以及分块/嵌入对LLM理解代码库的影响，评论从不同角度给出观点、经验、建议和处理方式等，整体氛围较为积极地探讨技术问题]

[原帖分享小LLMs在本地RAG中的测试成果并提问，评论者从自身使用场景、对原帖内容疑问、对技术的探讨和肯定等多方面展开讨论，整体氛围积极友好]

[原帖询问最佳的RAG系统用于文档分析和智能引用，评论给出了各种推荐、技术建议，还提及系统的局限性和选择的影响因素，整体氛围积极且充满干货]

[围绕OpenAI o1和Google Gemini的长上下文RAG能力展开讨论，涉及谷歌的优势、Gemini的问题、安全限制、基准测试合理性以及一些扩展模型上下文的实验等内容，讨论氛围较为理性]