RAG

由于标准 Ollama 没有直接的重排序 API，
您需要通过生成查询-文档对的嵌入向量并对其进行评分来实现 使用 Qwen3 重排序器在 GO 中进行重排序。

这个小的 Go代码示例重新排序调用Ollama生成嵌入 用于查询和每个候选文档， 然后按余弦相似度降序排序。

Qwen3 Embedding 和 Reranker 模型 是 Qwen 系列的最新发布，专为高级文本嵌入、检索和重排序任务而设计。

• 若要在 Go 中寻找一个与 Beautiful Soup 直接对应的库，请使用 soup。
• 若需要支持 CSS 选择器，请考虑使用 goquery。
• 若需要使用 XPath 查询，请使用 htmlquery。
• 若需要另一个受 Beautiful Soup 启发的选项，请查看 Node。

如果您正在寻找 Go 中的 Beautiful Soup 等效库，有多个库提供了类似的 HTML 解析和抓取功能：

在 Ollama 模型库中，有一些模型可以 将 HTML 内容转换为 Markdown，这对内容转换任务非常有用。

使用大型语言模型（LLM）的成本并不高，可能不需要购买新的高性能GPU。
以下是一份云上LLM提供商列表，列出了他们托管的LLM。

当 Ollama 服务器同时收到两个请求时，其行为取决于其配置和可用的系统资源。

Reranking 是检索增强生成 (RAG) 系统 的第二步， 位于检索和生成之间。

仍然有一些常见的方法可以编写良好的提示，使大语言模型（LLM）在理解你的需求时不会感到困惑。

测试不同参数数量和量化模型的行为。