---
id: ai.rag.index
title: RAG 检索增强生成
type: index
domain: ai
stack: [rag]
tags: [RAG, 检索, 知识库, 评测]
week: [5, 6]
---

# RAG 检索增强生成

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。

## 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/