br/>楔子闹市中的古刹001
开篇RAG三问003
一问从实际项目展示到底何为RAG003
文档的导入和解析005
文档的分块005
文本块的嵌入006
向量数据库的选择006
文本块的检索007
回答的生成008
二问如何快速搭建RAG系统008
使用框架:LangChain的RAG实现011
使用框架:通过LCEL链进行重构016
使用框架:通过LangGraph进行重构018
不使用框架:自选Embedding模型、向量数据库和大模型020
使用coze、Dify、FastGPT等可视化工具023
三问从何处入手优化RAG系统025
第1章数据导入028
……
内容摘要
在大模型逐渐成为智能系统核心引擎的今天,检索增强生成(RAG)技术为解决模型的知识盲区以及提升响应准确性提供了关键性的解决方案。本书围绕完整的RAG系统生命周期,系统地拆解其架构设计与实现路径,助力开发者和企业构建实用、可控且可优化的智能问答系统。
首先,本书以“数据导入—文本分块—信息嵌入—向量存储”为主线,详细阐述了从多源文档加载到结构化预处理的全流程,并深入解析了嵌入模型的选型、微调策略及多模态支持;其次,从检索前的查询构建、查询翻译、查询路由、索引优化,到检索后的重排与压缩,全面讲解了提高召回质量和内容相关性的方法;接下来,介绍了多种生成方式及RAG 系统的评估框架;最后,展示了复杂RAG范式的新进展,包括GraphRAG、Modular RAG、 Agentic RAG和Multi-Modal RAG的构建路径。
本书适合AI研发工程师、企业技术负责人、知识管理从业者以及对RAG系统构建感兴趣的高校师生阅读。无论你是希望快速搭建RAG系统,还是致力于深入优化检索性能,亦或是探索下一代AI系统架构,本书都提供了实用的操作方法与理论支持。
主编推荐
咖哥继AI Agent之后的又一力作,给程序员最实用的RAG实战课
从零开始,一步步搭建个人和企业的知识库
不使用任何框架,深入解析RAG的十大组件,纯手工打造RAG系统
基于DeepSeek、LangChain、LlamaIndex、开源嵌入模型和Milvus的知识库构建指南