Asit Kar 发布本地 RAG 研究助手 Lakehouse Research Assistant
热点事件持续更新
Asit Kar 发布本地 RAG 研究助手 Lakehouse Research Assistant
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Asit Kar 在 GitHub 发布 Lakehouse Research Assistant，一个面向数据工程与湖仓架构研究的本地 RAG+Agent 助手项目。系统用 Ollama 运行 qwen2.5:7b 生成、llama3.1:8b 评估，以 LangChain 与 LangGraph 编排，摄取 13 篇基础系统论文，支持带页级引用的问答、必要时联网检索并生成结构化报告。 项目全部使用免费本地模型，在 Colab T4 GPU 上运行，无需 API 密钥；论文 PDF 在运行时从作者或会议网站下载，仓库本身不重新分发这些文件。作者称在 Colab T4 上的最终测试中，检索 Hit Rate@4 与 MRR 均为 1.0，报告忠实度 4.82/5，引用 100% 有效，每份报告约 58 秒、约 4k tokens，零 API 费用。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 13:37
Lakehouse Research Assistant：基于 qwen2.5:7b 与 RAG 的本地研究助手项目发布报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- GitHub · 去对齐工具与仓库Lakehouse Research Assistant：基于 qwen2.5:7b 与 RAG 的本地研究助手项目发布
Asit Kar 发布的 Lakehouse Research Assistant 是一个面向数据工程与湖仓架构的研究助手项目，基于 Ollama 运行 qwen2.5:7b 生成、llama3.1:8b 评估，结合 LangChain 与 LangGraph 编排 RAG 和 Agent 流程。系统摄取 13 篇基础系统论文，支持带页级引用的问答、必要时联网检索并生成经校验的结构化报告。在 Colab T4 上的最终测试中，检索 Hit Rate@4 与 MRR 均为 1.0，报告忠实度 4.82/5，引用 100% 有效，每份报告约 58 秒、约 4k tokens，全程零 API 费用。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。