LlamaIndex 核心包 15 种分块策略完全指南
全面详解 LlamaIndex 核心包中 15 种分块策略，涵盖基础文本分块（Token/Sentence/Code）、语义分块（SemanticSplitter/SemanticDoubleMerging）、文件格式感知（HTML/Markdown/JSON）、关系层级分块（SentenceWindow/Hierarchical/MarkdownElement），附选择指南与代码示例。
专题
大模型
追踪大语言模型技术前沿与工程实践，包括模型架构演进、训练推理优化、Prompt工程、RAG应用开发、Agent智能体、模型微调等，深入大模型应用落地的全流程技术栈。
71
篇文章
71
累计收录
专题归档
文章列表
LlamaIndex 索引类型全景：基础与高级索引一览
LlamaIndex 索引类型全景梳理，涵盖基础索引（VectorStore/Summary/Tree/KeywordTable）与高级索引（KnowledgeGraph/PropertyGraph/DocumentSummary/MultiModal），详解每种索引的核心原理、适用场景与选型建议。
LlamaIndex NodeParser：文档解析与分块策略完全指南
LlamaIndex NodeParser 完全指南，详解文档解析与分块策略，覆盖 SentenceSplitter、SemanticSplitter、HierarchicalNodeParser、JSONNodeParser 等核心分块器，以及分块大小、重叠窗口与语义完整性的最佳实践。
AI Agent 开发面试实战：RAG、LangGraph 与后端基础全记录
原力健康 AI Agent 开发岗位面试全记录，涵盖 RAG 检索流程、知识库构建、Chunk 切片优化、多路召回、LangGraph 编排、Redis 分布式锁与缓存、设计模式、排序算法等 23 道面试题详细解答。
LLM 应用开发面试 50 道模拟题及答案
LLM 应用开发面试 50 道核心模拟题及详细答案，覆盖 RAG 检索与评估、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型部署与推理优化、LLMOps 工程化等七大专题，助你全面备战大模型应用岗面试。
大模型应用开发工程师模拟面试笔记
大模型应用开发工程师模拟面试完整记录，包含自我介绍、RAG 系统搭建、Embedding 选型、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型微调部署等核心面试题的候选人回答与参考答案对比分析。
大模型面试八股文：量化、微调、部署全攻略
大模型岗位面试八股文全面深度版，涵盖模型量化（PTQ/QAT/GPTQ/AWQ）、微调技术（LoRA/QLoRA/全参微调）、部署推理（vLLM/TensorRT-LLM/TGI）、分布式训练（DeepSpeed/FSDP/Megatron）、Transformer 基础原理五大核心板块，120+ 道高频面试题详解。
后端转 AI 应用岗实战经验：技术全景图与学习路线
10 年大厂后端老兵的 AI 转岗经验分享，帮你建立 AI 学习认知框架。从 AI 工程师与算法工程师的区别出发，绘制 AI 技术全景架构图，逐层解读模型层、编排层、应用层、基础设施层，给出可执行的学习路线和项目实战建议。
Transformer 架构详解：从原理到实践全面解析大模型核心架构
全面深入解析 Transformer 架构，从诞生历史背景到整体架构概览，详解编码器与解码器核心组件、多头自注意力机制、位置编码、前馈网络、残差连接与层归一化，并延伸至 GPT/BERT 等现代大模型的架构演进。
RAG 生产落地面试题集：45 道核心题覆盖 10 大方向
RAG 生产落地技术面试题集，45 道核心题覆盖 10 大方向：基础架构、文档处理与知识库构建、Embedding 与向量化、向量数据库选型、检索策略优化、生成与后处理、生产级系统架构、评估与优化闭环、高级 RAG 技术、真实生产排障，含面试加分点与常见踩坑。