微信扫码
添加专属顾问
我要投稿
Quivr[1] 是一个开源的RAG(Retrieval-Augmented Generation)框架,目的是构建个性化的生成式AI第二大脑。
Quivr 能够作为一个高效的生产力助手,让你与文档(PDF、CSV等)和应用程序进行对话。
Quivr适用于需要高效信息检索和处理的个人和团队,无论是研究人员、开发者还是日常知识工作者,都可以通过Quivr提高工作效率。
可以一键部署到Porter Cloud,或者按照以下步骤在本地部署:
请确保已经安装了Docker和Docker Compose。
git clone https://github.com/quivrhq/quivr.git && cd quivr.env.example文件:cp .env.example .env.env文件中的OPENAI_API_KEY。cd backend && supabase start,然后docker compose pull && docker compose upgit pullsupabase migration up53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-12-20
RAG 答非所问?可能是你少了这一步:深度解析 Rerank 与 Cross-Encoder 的“降维打击”
2025-12-18
从 RAG 到 Context:2025 年 RAG 技术年终总结
2025-12-17
embedding分数不是唯一解!搜索场景,如何根据元数据做加权rerank
2025-12-17
企业AI真瓶颈:不在模型,而在语境!
2025-12-17
从 1600+ 份 Word 文档到生产级 RAG:一个工控行业知识库的全链路实战复盘
2025-12-16
短语检索不等于BM25+向量检索| Milvus Phrase Match实战
2025-12-16
让AI真正懂数据:猫超Matra项目中的AI知识库建设之路
2025-12-10
最新力作:一招提升RAG检索精度20%
2025-10-04
2025-10-11
2025-09-30
2025-10-12
2025-12-04
2025-11-04
2025-10-31
2025-11-13
2025-10-12
2025-12-03
2025-12-10
2025-11-23
2025-11-20
2025-11-19
2025-11-04
2025-10-04
2025-09-30
2025-09-10