<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>个人知识库 RAG on AI 观察</title><link>https://ai.wujiong.cc/tags/%E4%B8%AA%E4%BA%BA%E7%9F%A5%E8%AF%86%E5%BA%93-rag/</link><description>Recent content in 个人知识库 RAG on AI 观察</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Fri, 16 Oct 2026 16:34:48 +0800</lastBuildDate><atom:link href="https://ai.wujiong.cc/tags/%E4%B8%AA%E4%BA%BA%E7%9F%A5%E8%AF%86%E5%BA%93-rag/index.xml" rel="self" type="application/rss+xml"/><item><title>个人 AI 知识库 RAG 使用清单：用前、用中、用后检查什么</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-checklist/</link><pubDate>Fri, 16 Oct 2026 16:34:48 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-checklist/</guid><description>&lt;p>下面这份清单把个人 AI 知识库 RAG 拆成可勾选的动作，按阶段检查即可。个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。本地模型和知识库类技能更偏技术，但入门门槛正在降低。关键是先想清楚数据放在哪里、谁能访问。&lt;/p></description></item><item><title>个人 AI 知识库 RAG 和直接向通用 AI 提问有什么区别？怎么选</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-vs/</link><pubDate>Fri, 16 Oct 2026 15:50:12 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-vs/</guid><description>&lt;p>个人 AI 知识库 RAG 和直接向通用 AI 提问经常被放在一起比较。选错了不会出大问题，但会多走弯路。&lt;/p>
&lt;h2 id="核心区别">核心区别&lt;/h2>
&lt;p>通用 AI 回答范围广，但不了解你的私有资料；个人知识库让回答基于你的资料并可追溯，但需要整理和维护资料。&lt;/p>
&lt;p>从原理看，通用模型不了解你的私有资料，直接提问容易得到泛泛的回答或编造；检索增强让 AI 先找到相关原文，再基于原文作答，答案更准确，也能追溯出处。知识库的效果有一个朴素的规律：垃圾进，垃圾出。很多人搭了知识库觉得效果不好，问题往往不在技术，而在资料：过时的版本和新版本混在一起，重要信息藏在图片里，文件名毫无意义。花时间整理资料，比调整任何参数都更能提升效果。&lt;/p></description></item><item><title>写给摄影师的个人 AI 知识库 RAG 实用指南</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-for-photographer/</link><pubDate>Fri, 16 Oct 2026 15:37:48 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-for-photographer/</guid><description>&lt;p>承接人像、商业或活动拍摄的摄影师，日常工作中常常会遇到这样的情况：外景拍摄日期受天气影响，需要备选方案。个人 AI 知识库 RAG 是很适合摄影师的一项 AI 技能。个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。&lt;/p></description></item><item><title>个人 AI 知识库 RAG 入门教程：是什么、怎么用，附可复制模板</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-guide/</link><pubDate>Fri, 16 Oct 2026 15:26:59 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-guide/</guid><description>&lt;p>个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。这样 AI 的回答依据的是你自己的资料，而不只是它的通用知识。这篇入门教程会讲清它适合什么时候用、具体怎么操作，并给出可以直接复制的提示词。&lt;/p></description></item><item><title>组合技巧：个人 AI 知识库 RAG 搭配知识库文档整理与切分</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-combo/</link><pubDate>Fri, 16 Oct 2026 15:14:05 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-combo/</guid><description>&lt;p>个人 AI 知识库 RAG 单独使用已经很有用，但在复杂任务里，和知识库文档整理与切分组合起来效果更好。下面讲清两者如何分工、按什么顺序使用。&lt;/p>
&lt;h2 id="两个技能各自负责什么">两个技能各自负责什么&lt;/h2>
&lt;ul>
&lt;li>&lt;strong>个人知识库 RAG&lt;/strong>：个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。&lt;/li>
&lt;li>&lt;strong>文档切分整理&lt;/strong>：文档切分是在搭建知识库时，把长文档按合理的单位拆成较小的片段，例如按章节、段落或问答对，并为每个片段保留标题、来源和日期等信息。&lt;/li>
&lt;/ul>
&lt;p>个人知识库 RAG 有效是因为通用模型不了解你的私有资料，直接提问容易得到泛泛的回答或编造；检索增强让 AI 先找到相关原文，再基于原文作答，答案更准确，也能追溯出处；文档切分整理有效则是因为检索系统按片段查找相关内容，片段太大会混入无关信息，太小会丢失上下文；按内容结构合理切分，并保留元信息，能让检索更准、回答更完整。两者叠加，正好互补。&lt;/p></description></item><item><title>个人 AI 知识库 RAG 进阶指南：高手常用的 5 个做法</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-advanced/</link><pubDate>Fri, 16 Oct 2026 15:13:47 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-advanced/</guid><description>&lt;p>个人 AI 知识库 RAG 入门不难，难的是在复杂任务里稳定发挥。理解原理是关键：通用模型不了解你的私有资料，直接提问容易得到泛泛的回答或编造；检索增强让 AI 先找到相关原文，再基于原文作答，答案更准确，也能追溯出处。&lt;/p>
&lt;p>知识库的效果有一个朴素的规律：垃圾进，垃圾出。很多人搭了知识库觉得效果不好，问题往往不在技术，而在资料：过时的版本和新版本混在一起，重要信息藏在图片里，文件名毫无意义。花时间整理资料，比调整任何参数都更能提升效果。&lt;/p></description></item><item><title>个人 AI 知识库 RAG 实战案例：直播运营如何把直播脚本做得更好</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-case-study/</link><pubDate>Fri, 16 Oct 2026 14:15:32 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-case-study/</guid><description>&lt;p>这是一个虚构但很典型的案例：阿美是一位负责直播间策划、话术和数据复盘的直播运营或主播，最近手头在忙“完成 5 场直播排期和脚本”，同时还要准备“策划大促专场直播”。这次阿美需要整理一份给直播负责人的直播脚本，决定试试个人 AI 知识库 RAG。&lt;/p>
&lt;h2 id="背景">背景&lt;/h2>
&lt;p>对阿美来说，每场直播都要准备脚本、话术、福利设计，下播后还要复盘数据，节奏非常快。偏偏这次还遇到一个变数：主推品库存可能不足，需要准备替换品。直播脚本需要尽快交给直播负责人，时间并不宽裕。&lt;/p></description></item><item><title>个人 AI 知识库 RAG 避坑指南：5 个错误写法与改法</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-mistakes/</link><pubDate>Fri, 16 Oct 2026 14:14:58 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-mistakes/</guid><description>&lt;p>很多人用了个人 AI 知识库 RAG 却觉得效果一般，问题往往出在几个常见错误上。先回顾一下：个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。下面逐个拆解 5 个最常见的错误。&lt;/p>
&lt;h2 id="错误-1把所有资料不加整理就导入">错误 1：把所有资料不加整理就导入&lt;/h2>
&lt;p>&lt;strong>表现&lt;/strong>：把所有资料不加整理就导入。很多人第一次使用时都会这样写。&lt;/p></description></item><item><title>个人 AI 知识库 RAG 问答合集：用法、模板和坑</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-faq/</link><pubDate>Fri, 16 Oct 2026 14:13:27 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-faq/</guid><description>&lt;p>刚接触个人 AI 知识库 RAG 的人，问得最多的往往是下面这几个问题。&lt;/p>
&lt;h2 id="q1个人知识库-rag-到底是什么">Q1：个人知识库 RAG 到底是什么？&lt;/h2>
&lt;p>个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。这样 AI 的回答依据的是你自己的资料，而不只是它的通用知识。&lt;/p></description></item><item><title>一页看懂个人 AI 知识库 RAG：常用场景与模板速查</title><link>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-cheatsheet/</link><pubDate>Fri, 16 Oct 2026 14:02:18 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-16-personal-rag-cheatsheet/</guid><description>&lt;p>需要快速回忆个人知识库 RAG 怎么用时，看这一页就够了。个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。&lt;/p>
&lt;h2 id="一句话理解">一句话理解&lt;/h2>
&lt;p>&lt;strong>个人知识库 RAG&lt;/strong> = 这样 AI 的回答依据的是你自己的资料，而不只是它的通用知识。原理：通用模型不了解你的私有资料，直接提问容易得到泛泛的回答或编造；检索增强让 AI 先找到相关原文，再基于原文作答，答案更准确，也能追溯出处。&lt;/p></description></item></channel></rss>