Learning Notes

学习

这里不追求完整教程，只保存真正学会、真正用过，以及还没想明白的部分。

3 篇记录 · 按时间倒序

2026.10.2701

RAGFlowRAGDifyAI知识库大模型

RAGFlow 的理解和使用

RAGFlow 是一个开源的 RAG（检索增强生成）引擎，强在复杂文档的深度解析、可控切块和多路检索。本文记录我在 Windows + Docker Desktop 上的真实部署实践，并厘清它与 Dify 的定位差异：RAGFlow 管知识加工，Dify 管应用编排。

RAGFlow 的理解和使用本文基于 RAGFlow 官方 GitHub 仓库、官方 Quickstart，以及我在 Windows + Docker Desktop 环境中的真实实践整理。一、R…

2026.10.2302

SQLBotChatBIAI数据分析RAG

DataEase 出品的智能问数系统（ChatBI），基于大模型 + RAG，自然语言提问自动生成 SQL 并出图表。一条 Docker 命令本地跑起来，实测上手门槛、追问体验和几个要注意的坑。

SQLBot：用一句话问数据库要数据前言作为后端或数据分析，最常被问到的一句话是："帮我查一下上个月的销售数据"。以前这个需求的流程是：提需求 → 排期 → 写 SQL → 导出 Excel。现…

2026.10.2203

FastAPI后端技术选型

拆解官方模板 full-stack-fastapi-template 的技术选型，逐项讲清楚用了什么、为什么这么用、好在哪、边界在哪。

一、技术栈总览后端与数据 FastAPI：原生异步，自动生成 OpenAPI 文档。 SQLModel：结合 Pydantic 校验与 SQLAlchemy 映射。 Pydantic v2：用类型注…