DenserRetriever使用教程
DenserRetriever是面向RAG场景开发的开源AI检索模型工具站，核心定位是为开发者和企业提供高性能的检索增强生成配套检索解决方案。核心功能包括异构检索器融合适配、预训练模型快速下载、Docker一键部署支持、MTEB基准测试结果查询、自定义模型微调工具包。目标用户覆盖AI算法工程师、RAG系统开发人员、企业AI技术团队、开源AI贡献者，可用于企业内部知识库问答系统搭建、垂直领域大模型检索模块开发、AI检索技术科研测试、轻量级RAG应用快速落地等场景，帮助用户提升检索环节的匹配精度，降低RAG系统的开发部署门槛。
- 1
访问DenserRetriever官网首页，在导航栏的模型板块中，根据自身业务所属领域筛选适配的预训练检索模型，查看对应的MTEB测试数据和适用场景说明，确认是否符合自身需求。
- 2
若选择使用现有预训练模型，直接点击下载按钮获取模型文件，同时在文档板块下载对应的部署说明文档，提前准备好部署所需的服务器环境或Docker运行环境。
- 3
若使用Docker部署，按照文档中的指引拉取官方镜像，配置好服务端口、存储路径等基础参数，执行启动命令完成检索服务的部署，调用测试接口验证服务是否正常运行。
- 4
将部署好的检索服务接入自身的RAG系统，按照接口文档传入待检索的Query和目标知识库，获取召回结果，测试检索效果是否符合业务预期。
- 5
若需要适配垂直场景，可下载平台提供的微调工具包，导入自有标注数据集调整训练参数，完成微调后替换原有模型，重新部署后即可适配个性化检索需求。
看完教程，直接上手试试
访问 DenserRetriever 官网
