用 RAG 和 ChromaDB 搭建带记忆的文档搜索应用

教程The New Stack2026年4月10日8 分钟阅读

这篇教程手把手教你如何用 LangChain 连接大语言模型和自己的 PDF 文档，并用 ChromaDB 向量数据库实现记忆功能。通过检索增强生成（RAG）技术，让 AI 应用不仅能搜索文档，还能记住对话历史，回答后续问题。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

概念速查

检索增强生成

RAG 让大模型在回答前先检索相关资料，用真实数据代替「编造」——给 AI 装上一个实时更新的知识库。

本文介绍了如何使用 GitHub Copilot CLI 构建一个将代码库转化为 Roguelike 地牢的终端游戏。文章详细解释了 BSP 算法如何生成结构化且多变的地图，并展示了如何利用 Copilot 的委托功能快速迭代开发。

教程GitHub·5月12日·8 分钟

本文展示了如何在脚本 shebang 行中使用 LLM CLI 工具，包括简单的文本生成、工具调用集成以及 YAML 模板定义 Python 函数，让脚本能够动态利用大语言模型。

教程Simon Willison·5月11日·2 分钟