MAzrael

想问一下，这个架构有在超大规模知识库上测试过没，对比传统的 rag 和基于 KG 的增强，有进行过对比没
1 、百万级文档的 Markdown 索引有多大，上下文会爆吗？
2 、这个和 KG 有本质区别吗？按文中的 4 阶段流水线，感觉 KG 也可以做这个事，也能绕过 embedding 。
3 、rag 情况下，不太理解这个绕过 embedding 的目的是啥，还是说你们这个思路在召回上能够有巨大提升？
4 、感觉这个 4 个阶段跑下来，每个阶段之间都有“精度损失”，并且按照 LLM WIKI 的思路，索引——聚合知识——原信息，LLM 在回答时需要跑好几轮，token 成本应该高不少

能否增加一个直接在浏览器搜索框输入后，直接返回相关的标签页，类似 bookmark search 插件

id：274 感谢老板

zwNlA9 谢谢大佬

是不是中转站用的假模型

不知道 czkawka 符不符合你的需求

@ansemz 客户那边环境一言难尽

@hwdq0012 客户那边纯离线环境，所以 lincense 风险应该还是比较可控

是不是下载了所有的量化版本？只需要下载你需要的版本就行，如 qwen2.5-coder-14b-instruct-q4_k_m.gguf 就只有 8.99G