分类：
不限
前端
后端
移动端
数据库
云计算&大数据
网络&系统&运维
UI&美工&设计
游戏开发
硬件&物联网
产品&运营&IDE
心灵鸡汤&必杀技
ActiveMQ
Aeraki Mesh
Alluxio
Antrea
Apache APISIX
Apache BookKeeper
Apache CloudStack
Apache Druid
Apache Hudi
Apache InLong
Apache Kylin
Apache Libcloud
Apache Ozone
Apache Pulsar
Apache RocketMQ
Apache ShardingSphere
Apache Superset
BFE
Chaos Mesh
Choerodon
Cilium
Consul
Dapr
DataEase
DC/OS
Docker
Drill
ElasticJob
ElasticSearch
Envoy
Erda
Flink
Fluent Bit
Grafana
Hadoop
Harbor
Helm
Kafka
Knative
Kong
KubeCube
KubeEdge
Kubeflow
KubeOperator
Kubernetes
KubeSphere
KubeVela
Kuma
Linkerd
Longhorn
MeiliSearch
Nacos
NATS
OKD
Open Policy Agent
OpenEBS
OpenKruise
OpenPitrix
OpenSearch
OpenStack
OpenTracing
PaddlePaddle
PyTorch
RAG
Rainbond
Rancher
RediSearch
Scikit-learn
Serverless
ShenYu
Spark
Storm
XuperChain
Zadig
云原生CNCF
人工智能
区块链
数据挖掘
机器学习
深度学习
算法工程
边缘计算
RAG，RAG（Retrieval-Augmented Generation）是一种结合了检索和生成两种方法的自然语言处理模型架构，它通过从大规模知识库中检索相关信息并使用生成模块生成响应或回答，以提高模型的语言理解和生成能力。这种模型架构广泛应用于问答系统、对话系统等领域，有助于构建更智能、更准确的交互系统。