rag

rag 的官方站点是 build.nvidia.com，从首页内容看，它主要提供RAG 与数据抓取相关的 AI 能力。它的首页标题写着“Build a RAG Pipeline Blueprint Blueprint by NVIDIA | NVIDIA NIM”。

官方给出的一句话介绍是：利用NVIDIA的RAG蓝图，在NeMo Retriever和Nemotron模型上建立起来的多模式企业数据进行迅速、准确的语义搜索，将你的代理人与可信、权威的知识来源联系起来。（原文：Power fast, accurate semantic search across multimodal enterprise data with NVIDIA’s RAG Blueprint—built on NeMo Retriever and Nemotron models—to connect your agents to trusted, authoritative sources of knowledge.）

官网进一步说明：可通过Docker，Kubernetes，或Red Hat OpenShift部署，其中包含用户界面，并支持通过NIM运算符共享GPU，蓝图可完全分解，可自定义，以适应域特定需求。它可以独立运行，与其他NVIDIA蓝图融合，或者作为代理系统中的核心构件。重要的是，NVIDIA AI 用于RAG的蓝图是NVIDIA AI 数据平台的基础层，将原始的，多式的企业数据转换为AI 备妥的知识，将权力进行检索，推理，生成跨应用程序。

说明：本页内容基于 2026 年 10 月对 build.nvidia.com 首页的抓取整理，非官方文档，具体以官网为准。

• 结构图（Architecture Diagram）
• 最低系统要求（Minimum System Requirements）
• 本蓝图中使用的软件（Software used in this blueprint）
• 道德考虑（Ethical Considerations）
• 使用条件（Terms of Use）
• 构建 RAG 管道蓝图（Build a RAG Pipeline Blueprint）
• 它也是深层研究者代理的基础，为先进、推理驱动的企业代理提供可靠的知识基础、总结和检索能力
• 官网提供开发者文档或 API 入口
• 官网链接了 GitHub 仓库（https://github.com/rapidsai/cuvs）

结合官网描述，rag 可以用在这些场景：

• RAG、向量检索、知识图谱与网页数据抓取
• 软件开发、原型搭建和技术集成
• 从这个参考架构开始，将AI驱动的决定和生成以可信、相关的企业数据为基础——按生产规模计算。
• 多种模式和高级世代视觉语言模型（VLM）支持答案生成图像字幕与视觉语言模型（VLMs） 提高精度，可选反射

上手提示：

• 让 AI 生成代码后，先在本地或测试环境跑通，再合入正式项目。
• 不要把密钥、内部代码等敏感信息直接粘贴给第三方工具。

目标用户：开发者、技术团队以及想快速做出原型的产品人员；需要 API 或二次开发的开发者；有采购评估流程的企业团队（官网提供演示预约或销售咨询）。

未找到公开价格信息，请以官网为准。