趋近智
检索增强生成 (RAG) 入门
章节 1: 检索增强生成技术简介
标准大型语言模型的局限性
什么是检索增强生成（RAG）？
RAG系统的核心架构
RAG 对比微调：理解其差异
使用RAG的优势
第 1 章测验
章节 2: 检索组件
检索器在 RAG 中的作用
向量嵌入简介
常用嵌入模型
相似性搜索：查找相关向量
向量数据库简介
选择向量数据库：考量因素
实践：生成文本嵌入
第 2 章测验
章节 3: 准备检索所需数据
从不同来源加载文档
文档分块的必要性
固定大小分块策略
内容感知的分块方法
数据块的元数据关联
将处理后的数据存储到向量数据库中
动手实践：文档分块
第 3 章测验
章节 4: 生成模块与增强
生成器（LLM）在RAG中的作用
RAG提示词的结构化
上下文注入方法
管理上下文长度限制
生成最终回复
生成内容中的来源归属
第 4 章测验
章节 5: 搭建一个基本RAG流程
RAG 框架概述 (例如 LangChain、LlamaIndex)
环境配置
实现检索器
实现生成器集成
结合检索与生成
在流程中执行查询
动手实践：端到端RAG系统
第 5 章测验
章节 6: RAG系统的评估与改进
评估RAG的挑战
组件层面的评估：检索
组件级别评估：生成
端到端RAG评估框架
常见故障模式
改进的基本策略
实践：分析RAG输出质量
第 6 章测验
选择向量数据库：考量因素
全新 · 开源
Kerb - 大语言模型开发工具包
用于构建生产级 LLM 应用的 Python 工具包。提供提示词、RAG、智能体、结构化输出和多提供商支持等模块化实用工具。
这部分内容有帮助吗？
- Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs, Yury Malkov, Dmitry Yashunin, 2018 IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 40 (IEEE) DOI: 10.1109/TPAMI.2018.2889476 - 关于关键近似最近邻（ANN）算法的基础论文，有助于理解召回率与速度的权衡。
- A Survey on Retrieve-Augmented Generation, Lifan Yuan, Chenhao Wang, Wenhao Huang, Wenjie Li, Fandong Meng, Huixing Shao, 2024 arXiv preprint arXiv:2402.19473 DOI: arXiv:2402.19473 - 检索增强生成（RAG）系统的概述，阐明了向量数据库等检索组件的作用。
- A Comprehensive Survey of Approximate Nearest Neighbor Search Algorithms and Systems, Jianqiu Chen, Qi Mao, Kaiwei Li, Mengyan Hu, Chenghao Liu, Yanlei Shang, Xiaoting Shi, Ruobing Huang, Qingyuan Zhang, Yulei Li, Wei Xu, Jinheng Bao, Xiaopeng Li, 2023 arXiv preprint arXiv:2308.08632 DOI: arXiv:2308.08632 - 一项涵盖各种近似最近邻（ANN）搜索算法和系统的调查，讨论了可伸缩性和性能。
- Milvus Architecture Overview, Zilliz, 2024 (Zilliz) - 详细介绍了一个知名开源向量数据库的架构、部署和可伸缩性的官方文档。
© 2025 ApX Machine Learning用心打造