RAG

用 Milvus Lite 建本地演示集合，核对向量维度、公开范围过滤和来源编号，再把只读检索接口接到智能体。

用同一份资料比较 Dify 与 RAGFlow 的建库、检索调试和工作流，并按团队任务选择试点。

按 RAGFlow Agent 画布连接 Begin、Retrieval、Agent 和 Message，用固定问题查看各节点结果。

用 Python 把示例文件加入 OpenAI 向量库，调用 File Search 回答问题，并分别核对引用与检索片段。

比较 pgvector 与 Qdrant 的过滤、更新和运维路径，并用相同问题集验证选型。

用固定问题表分别检查知识库问答的检索命中、答案引用与无依据拒答。

按查询、过滤和排序逐层定位知识库检索错误，用固定问题与候选片段确认故障层。

用企业文档问答和报销场景区分 RAG 检索、智能体工具调用与二者组合，并给出按读者任务选型和验收的方法。

Chatgpt如何存储知识：步骤拆解：工具对比、操作步骤与注意事项完整指南。

扣子智能体胡回时知识库该怎么切片：工具对比、操作步骤与注意事项完整指南。