RAG 专题导航

RAG 不是“向量数据库 + 大模型”的简单拼接，而是把数据治理、检索、证据组织、受证据约束的生成和持续评测组合成一套系统。

学习顺序

1. 知识检索 RAG：理解模式、核心概念与代码示例。
2. 10种RAG策略-视频笔记：用一张策略地图理解各环节的选型、成本与边界。
3. RAG工程全流程：掌握离线建库与在线问答链路。
4. RAG高级检索与优化：学习 Query Rewrite、混合检索、多跳检索和自适应策略。
5. RAG评测与排障：用指标和故障矩阵定位问题。
6. RAG准确率优化-从60到85：阅读一次完整优化案例。
7. RAG面试速记：面试前复习短答案。

核心链路

离线：数据接入 → 解析清洗 → 切块 → 元数据与权限 → 索引 → 版本更新

在线：问题理解 → 权限过滤 → Query 处理 → 混合召回 → Rerank
    → 上下文组装 → 受证据约束的生成 → 引用与安全校验

闭环：Trace → 评测 → Badcase → 优化 → 回归 → 灰度发布

专题边界

相关笔记

• 上下文工程 — 检索证据如何进入模型上下文
• 智能体评测 — 通用 Agent 评测框架
• Prompt Engineering
• AI MOC