企业官网建设流程全解析

文章目录

• • 1. 引言
  • 2. 核心概念与架构差异
  • • 2.1 RAG：基于向量语义的扁平化检索
    • 2.2 RAG Graph：基于知识图谱的结构化推理
  • 3. 关键技术对比
  • 4. 场景选择决策框架
  • • 4.1 适合使用RAG的场景
    • 4.2 适合使用RAG Graph的场景
  • 5. 混合架构：RAG + RAG Graph
  • 7. 商用项目案例：RAG 与 RAG Graph 实战
  • • 7.1 商用 RAG 项目案例
    • • Java 实现（Spring Boot + PGVector）
      • Python 实现（LangChain + ChromaDB）
      • Node.js 实现（LangChain.js + Supabase pgvector）
    • 7.2 商用 RAG Graph 项目案例
    • • Java 实现（Neo4j + Spring Data）
      • Python 实现（Neo4j + LangChain GraphCypherQAChain）
      • Node.js 实现（Neo4j Driver + LangChain.js）
    • 7.3 项目选型建议
  • 8. 性能调优与生产实践
  • • 8.1 RAG 性能调优
    • • Chunk 大小
      • 向量维度
      • 缓存策略
      • 并发处理
    • 8.2 RAG Graph 性能调优
    • • 图遍历深度
      • 缓存策略
      • 并发处理
    • 8.3 监控指标示例
    • 8.5 调优流程图
    • • RAG 调优流水线
      • RAG Graph 调优流水线
    • 8.4 调优流程总结
  • 6. 总结
  • • 核心差异回顾
    • 选择决策框架
    • 混合架构：最佳实践
    • 未来趋势与建议