zhuangang/topics/ai/rag/index.md

id, title, type, domain, stack, tags, week

id	title	type	domain	stack	tags	week
ai.rag.index	RAG 检索增强生成	index	ai	rag	RAG 检索 知识库 评测	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	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	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	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

面试题

• RAG 面试题

示例代码

• 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）、第 6 周：RAG（二）

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/