系列教程

RAG 实战全链路指南

从离线数据清洗到 RAG 落地与评估，共 11 篇理论与方法论

本站 RAG 内容分为两条互补轨道：

理论全链路（11 篇）

覆盖离线预处理、在线检索与生成、进阶能力与评估落地，适合建立方法论与选型依据。请从下方目录按阶段阅读。

企业级 RAG 数据管道实战专题 — 从 Docker 一键部署到 MySQL+Milvus+MinIO 三存储双写，每篇文末链接回上表中的理论文章，形成「工程 ↔ 理论」对照学习路径。

面向电商与企业知识库场景，讲解 RAG 离线多源数据清洗与去重：字段归一化、缺失值处理、SimHash/MinHash 近似去重与清洗流水线设计，附 Python 实战代码。

深入 RAG 离线预处理中的元数据增强与知识图谱融合：标准化元数据、spaCy 实体抽取、NetworkX 构图与 Node2Vec 图嵌入，提升复杂问答检索召回质量。

系统对比 BGE、OpenAI 等 Embedding 模型，讲解 MTEB 评测方法与 FlagEmbedding 领域微调流程，帮助你在 RAG 项目中选出更匹配业务的向量模型。

详解 HyDE 假设文档嵌入与查询扩展原理，通过 LLM 生成假想答案再检索，弥合用户口语查询与专业文档之间的语义鸿沟，含 Faiss 完整示例。

讲解 RAG 在线多路召回架构：BM25、向量检索与规则召回协同工作，并用 Reciprocal Rank Fusion 融合排序，解决单一检索路径偏科与漏召回问题。

介绍 Self-RAG 与自适应检索机制：按需决定是否检索、生成后自我反思与校验，减少无效召回与幻觉回答，在准确率与响应速度之间取得平衡。

多模态 RAG 实战教程：使用 CLIP 构建图文向量库、Faiss 图搜图检索，以及 PDF 图文统一索引方案，让 RAG 系统真正理解图表与扫描文档。

Agentic RAG 进阶指南：动态工具注册、ReAct 多步推理与迭代检索优化，使 RAG 系统能处理多跳复杂查询并协同调用搜索、计算等外部工具。

构建 RAG 全链路评估体系：用 Ragas 衡量上下文召回、答案忠实度与相关性，结合雷达图可视化与 GitHub Actions CI 集成，为上线提供量化验收标准。

RAG 生产环境落地指南：Docker Compose 服务编排、Langfuse 全链路追踪、OpenTelemetry 指标上报与异步日志，搭建可观测、可迭代的生产级 RAG 服务。