Jollen 的 Blog
Jollen's email: jollen # jollen.org

more: Jollen's Consulting | Jollen's Wiki | Jollen's Android Framework in a Nutshell

11 月 2025

純手工極簡向量資料庫：使用 Top-K

「純手工」來打造一個「極簡向量資料庫」

Jollen 發表於 November 17, 2025 |

RAG & Top-K 檢索概論：使用 Text Embedding

這是 RAG 系統中「語境擷取（Context Retrieval）」的第一步

Jollen 發表於 November 14, 2025 |

Text Embedding 的應用：語意對齊（Semantic Alignment）概論

RAG 向量距離即語意相似度。

Jollen 發表於 November 10, 2025 |

RAG 向量距離計算：餘弦相似度（Cosine Similarity）概論

RAG 向量距離即語意相似度。

Jollen 發表於 November 9, 2025 |

RAG 向量化與語意搜尋概論

RAG 向量距離即語意相似度。

Jollen 發表於 November 8, 2025 |

語意搜尋的核心：向量表示（Vector Representation）

語意搜尋的關鍵在：讓語言變成可運算的 Expression（運算式）

Jollen 發表於 November 7, 2025 |

M8802－Node.js & LLM 原理與實務－讀者服務區

這本書是為 LLM 初學者設計的入門教材，也是一份幫助你從零開始、逐步建立實作能力的學習指南。

Jollen 發表於 November 6, 2025 |

RAG 是一種語境搜尋架構

正確的語境 如 Node.js & LLM 原理與實務一書（第 1 章）所的「語境」觀念，語意判斷跟語氣，取決於語境。RAG 檢索之所以重要，是因為 RAG 主要在「如何找到正確的語境」，RAG 並非傳統的關鍵字檢索：這正 RAG 為何能提升 LLM 應用程式正確性的道理－搜尋正確的語境。所謂的「正確性」，白話來講，就是讓 LLM 可以生成符合我們預期語氣的內容。 例如，本書第 1 章的「給你 50 元」例子，便有二種不同的語境： 同樣的問題，但語境不同： 這就是 4.2 節…

Jollen 發表於 November 5, 2025 |

搜索


Partners

最近發表

訂閱 RSS 2.0 feed
[這是什麼？]

分類

歸檔

[Top] Copyright (C) 2006,2010,2011,2020 www.jollen.org.
All rights reserved. All contents are licensed under Creative Commons License.