本文是我在阅读 LangMem 的源码与相关文档过程中整理的一些学习笔记。 一直以来，我对智能体（Agent）的记忆机制充满好奇：理想的 memory 应该具备怎样的结构？又该如何设计？目前市面上关于 memory 的实现大多中规中矩，尚未看到令人眼前一亮的方案。为此，我决定多参考一些开源项目，以期获得新的灵感。 ...

梳理 2025 年基于 VLM 的文档解析方案，比较 Qwen-VL、OlmOCR 等模型及其在 OCR、版面理解和复杂文档处理中的表现。

面向初学者整理 RAG 的核心原理、入门教程、实践课程、常用框架和进一步学习材料。

写在前面 本文是前段时间部门内技术分享的文字稿整理； 主要包含2个方面：对于R1模型的简单科普，和开发团队的gen-AI使用指南； 原以为春节假期能稍作休整，未曾料想deepSeek-R1在春节期间引发行业关注。节后复工，各层级领导便密集展开AI技术进展问询。 ...

写在前面 决定开启一个新系列，是时候系统性地学习一下 Alignment、RLHF 等相关内容了。 学习过程中，经常会在一些公式推导上卡住，可能是因为之前的基础不够扎实，加上学过的内容遗忘较多。 于是，希望通过这一系列的笔记，帮助自己系统地回顾RL、和学习RLHF等内容。（顺带把之前手写的笔记电子化） ...

几年前初识 Milvus 的契机，来源于开发一个图像相似检索的应用，当时市面上向量库的可选择项并不像现在这么多，且功能也仅限于单纯的向量检索。 鉴于最近有业务更新的需要，和打算重构一下之前做的RAG项目，再次有机会深入学习 Milvus，探索其在新功能和实际应用上的更多可能性。 ...

开篇 “CloseAI” 终于又开源了新的项目，可惜OpenAI明确表示，Swarm是一个实验性框架，主要用于教育目的，不适合生产环境，也没有官方支持。不过从这样一个实验性的框架，至少能够了解到OpenAI对于Agent上的一些理解，对于Agent设计上能够有所帮助和借鉴。 ...

介绍 RAG 中的 Query Enhancement，包括查询改写、扩展、分解、路由和多查询召回等常见优化方法。

在使用大型语言模型（LLM）时，我们常常面临一个挑战：如何从模型输出中准确提取自己所需的信息。例如，当我们希望模型输出 JSON 格式的数据时，由于模型生成的内容并不总是稳定，可能需要额外编写大量的正则表达式来匹配并提取其中的有效信息。然而，由于 LLM 的能力，导致其输出结构并不永远可靠。 ...

从搜索引擎视角梳理 RAG 检索系统，讨论向量检索、关键词检索、混合召回、重排序和索引设计。