阶段3（下）：RAG、向量数据库专题；接入 BOSS直聘调研（research/、岗位对照和延伸技术栈）；新增 cs 领域和 12 个技术栈骨架；面试题全部补齐追问并加入校验

topics/ai/rag/index.md

@@ -4,12 +4,42 @@ title: RAG 检索增强生成
 type: index
 domain: ai
 stack: [rag]
-tags: []
+tags: [RAG, 检索, 知识库, 评测]
 week: [5, 6]
 ---
 
 # RAG 检索增强生成
 
-加载切分、嵌入、检索、混合检索与重排、引用与拒答、评测。
+RAG（Retrieval-Augmented Generation）：先从知识库检索相关资料，再让大模型基于资料回答。这是企业 AI 应用里落地最多的形态（制度问答、客服知识库、文档助手），也是 AI 应用岗位面试的必考题。重点不在“调通一个 demo”，而在**切分、混合检索、权限、引用和拒答、评测**这些决定效果和能否上线的环节。
 
-> 本专题建设中：课程、企业场景、面试题和示例代码会陆续补充。
+## 学习路线
+
+| 顺序 | 课程 | 级别 | 预计 |
+| --- | --- | --- | --- |
+| 1 | [RAG 流水线和文档切分：加载、清洗、切分策略、元数据](01-pipeline-chunking.md) | 基础 | 3 小时 |
+| 2 | [检索优化：向量 + 关键词混合检索、RRF 融合、重排、查询改写](02-hybrid-rerank.md) | 进阶 | 3 小时 |
+| 3 | [生成与评测：带引用的提示词、拒答、检索评测和答案评测](03-generation-eval.md) | 进阶 | 3 小时 |
+
+## 企业场景
+
+- [带权限的企业知识库问答：不同部门看到不同内容](scenarios/permission-aware-kb.md)
+
+## 面试题
+
+- [RAG 面试题](interview.md)
+
+## 示例代码
+
+- [examples/mini-rag](examples/mini-rag/)：不依赖外部服务的最小 RAG 流水线——按标题切分、混合检索（向量 + BM25 + RRF）、权限过滤、拒答阈值、带引用的提示词、Recall@3 / MRR 评测（需要 `jieba`、`rank_bm25`、`numpy`）
+
+## 在 16 周计划中
+
+- [第 5 周：RAG（一）](../../../plan/week05-rag-1.md)、[第 6 周：RAG（二）](../../../plan/week06-rag-2.md)
+
+## 官方资料
+
+RAG 相关的框架和模型服务更新很快，接口和参数以官方文档为准：
+
+- LangChain 检索相关文档：https://docs.langchain.com/
+- LlamaIndex：https://developers.llamaindex.ai/
+- Ragas（RAG 评测）：https://docs.ragas.io/