引言在RAG（检索增强生成）系统中，索引策略直接影响检索的效率和准确性。本文将深入探讨两种先进的索引优化技术：多向量索引和父文档检索，以及一种高级的RAG优化策略——RAPTOR。这些技术能够显著提升RAG系统的性能，尤其是在处理长文档和复杂查询时。多向量索引技术多向量索引的概念多

sqlmap一把梭burpsuit跑账号密码，可能跑不出来，登录有点问题查不到有用信息，尝试内核提权提权成功拓展-mysqludf提权看到别人的wp改造一下靶机能学到别的东西https://blog.csdn.net/Bossfrank/article/details/131553175先拿到root权限，在/usr/lib/mysql/目录下将plugin目录的

      在现有的朴素RAG应用中其只是简单的对文档进行分块后存储的向量库中，然后在使用是根据提问问题从查询向量库中查询相识度较高的文档快作为问题上下文提交到LLM让其根据上下文去回答用户所提问的问题。对于小文本可以直接将整个文档作为上下文或使用上篇文章所提到的

RAPTOR论文和源码论文:https://arxiv.org/pdf/2401.18059代码:https://github.com/parthsarthi03/raptorRAPTOR(RECURSIVEABSTRACTIVEPROCESSINGFORTREE-ORGANIZEDRETRIEVAL)，如这一论文标题中所述，这一方法是把文档按照树状结构进行索引组织，再使用递归推理来进行检索。RAP

1、RAG有很多优点，但是缺点也很明显，其中一个硬伤就是：只会“断章取义”！如果文本有明确的答案，现有的retrieve方式大概率能找到，但是如果文本没有明确的答案了？比如android逆向和windows逆向，哪个更有钱途？很多资料会介绍android逆向、windows逆向的原理和技术细节，但是没有哪个更有钱