因为歌源不同会有一些丢失 1、复制出网易云音乐歌单链接（其余音乐平台基本相同） 建议电脑方面操作，我的是Windows系统
RAG 这个词很容易被说得太大。对 StarryRAG 来说，它没有试图让模型“记住整个互联网”，只做了一件比较具体的事：从个人博客文章里找出几段相关内容，把它们放进提示词，再让模型据此回答。 完整链路可以压缩成： 博客页面
-> 抓取和正文提取
-> 文本切分
-> Embed
做博客问答时，真正决定Embedding 效果的，不只是模型名字，还有输入边界、向量维度、批量大小，以及入库和查询时是否使用同一套配置。 StarryRAG 使用 OpenAI 兼容接口调用火山引擎的 Embedding 模型，当前模型是 doubao-embedding-vision-251215
先把几个概念说清楚：Embedding、RAG、SSE 和向量数据库 StarryRAG 里有不少技术概念：Embedding、向量数据库、RAG、重排、Prompt、SSE。第一次接触时，可能会觉得有点抽象，但其实它们各自解决不同问题。把职责拆开以后，整个系统就不难理解了。
这组笔记主要记录 StarryRAG 从能跑起来到可以上线使用的一些内容。 文章目录 0. StarryRAG所用到的一些技术概念-starryv.top 1. Embedding：从文本到可检索的向量-starryv.top 2. RAG：从
1.数据仓库建模 1.1 ODS 层 ODS 层：原始数据层，存放原始数据，直接加载原始日志、数据，数据保持原貌不做处理 1.HDFS 用户行为数据（flume-Kafka-flume-HDFS）
4.业务数据采集 4.1 MySQL 安装 详细内容见：linux 安装 MySQL-starryv.top 4.2 Sqoop 安装部署 详细内容见：Sqoop安装部署-starryv.top
.jpg)
