RAG 检索增强生成

RAG 系统分为数据准备与查询两阶段，核心在分块（推荐 500/100 滑动窗口）、混合检索（BM25 与向量归一化加权，加长度惩罚）、Rerank（Cross-Encoder 精排）及评估（RAGAS 指标：命中率、忠实度等）。优化方向覆盖查询改写、多路召回、重排序及数据侧策略。进阶范式包括 Self-RAG（自决定是否检索）、GraphRAG（实体关系多跳推理）及多模态 RAG。读者可掌握从分块到生产压测的完整链路，关键在于排查“答非所问”的分块、召回、排序和生成环节，并通过离线评估与 bad case 回流持续迭代。