RAG 篇
RAG（Retrieval-Augmented Generation，检索增强生成）通过在生成前引入外部知识检索，解决大语言模型在事实性、时效性、私域知识上的不足。它把“记忆”从模型参数中解耦出来，变成可独立迭代、可审计、可治理的数据系统。
一句话理解
RAG 让大模型在回答之前先查资料，基础设施要让“查到的资料”足够准、足够快、足够可控。
学习目标
读完本主题后，你应该能够：
- 拆解端到端 RAG 流水线，并说明每一步的关键权衡。
- 根据业务场景选择 chunking、embedding、retrieval、reranking 的组合。
- 设计可水平扩展、可实时更新、可观测的 RAG 服务架构。
- 掌握 2025–2026 年的新范式：Contextual Retrieval / Contextual Embedding、混合检索标配、Agentic 检索（含 grader 节点）与长上下文融合。
- 在 Agent 系统中把 Retriever 作为工具或 MCP Server 集成。
- 建立 RAG 系统的评估、迭代与生产运维闭环。
与相邻主题的关系
RAG 不是孤立的“向量搜索”，它需要与 LLM 服务、Agent 运行时、记忆系统、工具协议紧密协作。
| 相邻主题 | 与 RAG 的关系 |
|---|---|
| LLM Gateway | 统一路由生成请求、限流、兜底模型、缓存 token 成本，是 RAG 在线服务的流量入口。 |
| Agent Runtime | Agent 循环可以把 Retriever 当作工具调用，RAG 是其获取外部知识的主要方式。 |
| Memory | 长期语义记忆通常以向量存储为载体，RAG 检索可视为记忆读取的一种实现。 |
| MCP | Retriever、知识库、文档工具可作为 MCP Server 被任何兼容 Host 调用。 |
| Planning | 复杂查询需要先分解再多次检索，Planning 模块决定检索顺序与迭代策略。 |
| Tool Use | 检索器本质上是一个“返回文档片段”的工具，需要 Schema、调用、格式化与可观测。 |
| Agent OS | Agent OS 为 RAG 检索任务提供进程隔离、资源调度与沙箱执行环境。 |
| 存储系统 | 向量/embedding 存储、文档库、索引文件的持久化与分层是 RAG 的底座。 |
| 安全 | RAG 的向量库、检索片段、Embedding 需要访问隔离、PII 脱敏、审计与合规治理。 |
子主题
- 向量数据库与 Embedding 基础设施 — RAG 的检索底座：HNSW/IVF/DiskANN 索引、Milvus/Qdrant/pgvector 系统、GPU 索引与 Embedding 服务。
- GraphRAG 与知识图谱检索 — 图检索增强：实体-关系抽取、社区检测与摘要、local/global/多跳查询，GraphRAG/LightRAG/HippoRAG 生态。
章节导航
- 背景：为什么需要 RAG — 从 Prompt Engineering 到 Fine-tuning 再到 RAG 的演进，RAG vs 长上下文 2025 年论战的新结论，以及推理时代的 Agentic 检索。
- 核心概念 — 数据流水线、chunking（含 Contextual Retrieval / Late Chunking / Contextual Embedding）、embedding、检索策略、reranking、多模态 RAG、生成增强与评估指标。
- 架构设计 — 端到端 RAG 系统架构，数据平面与控制平面，离线索引与在线服务，以及 Agentic 检索架构演进。
- RAG 流水线 — 查询预处理、检索、重排、上下文组装、生成与后处理的状态机，含推理循环与检索质量自检。
- 核心模块 — Document Loader、Chunker、Embedder、Vector Store、Retriever、Reranker、Query Engine、Generator、Memory/Cache、Evaluator、Observer。
- 源码与生态分析 — LangChain/LangGraph、LlamaIndex、Haystack、RAGFlow/Dify/FastGPT、向量库、Embedding/Reranker 模型、GraphRAG（LightRAG/HippoRAG）与 Agentic RAG 实现对比。
- Mini Demo — 本主题配套示例说明：目录结构、运行方式、关键代码（含 CRAG 风格检索质量分档）与生产差异。
- 企业生产实践 — 大规模索引、实时更新、多租户、PII 与权限、缓存、成本延迟、可观测、故障模式。
- 最佳实践 — chunking、检索、重排、提示、评估与迭代的检查清单和反模式。
- 面试题 — 覆盖初级、中级、高级工程师的面试问题。
- 延伸阅读 — 论文、官方文档、博客、交叉引用与学习路径。
一句话总结
RAG 是把“知识”从模型参数搬到可管理的外部存储，再通过高质量检索将其注入生成过程；其基础设施的核心是索引质量、检索精度、生成可控性与全链路可观测。