这周终于有时间写一个 RAG 简要总结，作为 RAG 入门的记录。

本文目录：

• RAG 的提出背景？

• 什么是 RAG？

• RAG 的整体架构和流程什么？

• RAG 有哪些应用场景？

• 如何从 0 到 1 构建 RAG？

01、RAG 的提出背景？

人类在处理视觉任务时会关注重点而非全部：Attention

人类在面对 NLP 任务时的处理方式-直接问答：预训练模型+prompt

人类在学习新知识或解决问题时-给几个例子：In-context learning

人类在面对数学或逻辑问题时-一步步思考：Chain-of-thoughts

人类在遇到自己没有见过的问题时-去互联网搜索查询资料：Retrieval-Augmented Generation（RAG）

02、什么是 RAG？

RAG 是一种从外部数据库中检索相关信息来辅助改善大模型生成质量的系统，其主要包括检索器和生成器（语言模型）两部分，如下图所示。

03、RAG 的整体架构和流程什么？

从上述流程图中可以看出，RAG 由关键的 9 步组成，分别为文档、文档切分与 chunks、向量化、向量数据库、问题改写、检索、重排、prompt、生成器 LLM，接下来对每一项进行分别介绍。

（1）文档

RAG 是模型能力满足，但是缺少背景资料，因此 RAG 的核心是资料数据库的质量和数量。数据量太大，易造成效率慢，检索质量低。

文档部分主要包括数据搜集、数据清洗、知识库增强（给知识库生成一些总结、标题）。

文档处理的难点是如何将 PDF、PPT、Excel 等数据转化成统一的文档格式，特别是半结构化数据（例如 Word 中包括图片）；常用的文档预处理工具包括-Unstructured、Docling、OmniGen 等。

（2）文档切分与chunks

为什么要对文档进行分块？ 通过分块可以提升检索效率，文本有上下文窗口大小限制，RAG 的关键部分就是把文档合理分块。

如何合理分割 chunks？可以基于大模型对文档语义或内容进行分块（昂贵）、可以根据内容量或字数多少进行分块（根据字数切分一般效果差）、不同的文档使用不同的分块方式（推荐基于文档结构来进行分块）。

（3）向量化

为什么要对每一个 chunk 做 embedding？向量化是 NLP 领域的重要突破，是使用向量来表示文本含义，对每一个 chunk 做 embbeding 是为了方便后续用户问题对每一个 chunk 的检索。

如何把文档合理的 embeeding？可以使用预训练大模型，也可以自己训练 embedding 模型，一般每家大公司都有自己的 embedding 模型，可以使用 BAAI 的 Embedding 或者 gte-Qwen2-7B-instruct。

embedding 模型的输入长度不固定，但一般模型输出长度固定。

（4）向量数据库

向量数据库和数据库的核心区别是什么？向量数据库包含的是向量。引入向量数据库是因为高效的向量索引方法可以用来提高检索效率。

langchain 中集成了很多向量数据库，包括 FAISS、opensearch 等。

向量数据库核心两点：第一是向量的总个数，第二是每一个向量的维度。

（5）问题改写

问题扩充的对象是用户的 prompt。为什么要对用户的问题进行扩写？

用户的问题有可能有歧义、用户未表达清楚，需要对问题进一步处理扩充或者改写，进行二次处理；

如何对用户问题进行扩充和改写？一方面可以对 prompt 进行同义改写、进行多视角分解，将复杂问题拆分成几个子问题，将模糊的问题进行细化。

另一方面可以对用户问题生成更大长度的语义理解以加强背景理解。

（6）检索

什么是检索？给定知识库和用户查询，检索旨在找到知识库中与用户查询相关的知识文本。

检索的效率和准确率都很重要，检索的质量（召回率、精度、多样性）会直接影响大模型的生成质量；检索的效率也是评估 RAG 系统性能的关键组成，极大影响用户体验。

常见的文本检索方法有 3 种：判别式检索器（基于关键字的稀疏编码、交叉编码、双编码器-双编码器可以把文档提前编码）、生成式检索器、图检索器。

判别式检索器是目前主流的检索器，判别式检索器对问题和文档进行特征向量提取得到相关性分数（在计算向量与向量相似度最常用的方法是余弦相似度）。

生成式检索器是使用大模型直接生成文档id。图检索器可以理解数据之间结构关系。

（7）重排

什么是重排？检索相当于是粗排，重排是精排。为什么有了粗排还要精排？

举例来说，粗排是得到 10 个答案，精排是从 10 个答案中选择前 5 个，这样做的整体效果更好，因为直接使用余弦相似度计算的精度上限低，如果直接使用交叉编码搜索效率低，这样综合精度和效率更好。

如何对检索的结果进行精排？基于交叉编码的方法来评估文档与查询之间的相关性，但因其效率低，计算量大，交叉编码器通常用在精排，比较好用的方法有智源开源的 BGE-reranker。

（8）prompt

对于精排后的结果，需要和用户的问题进行“合并”得到 prompt，prompt 对生成器的质量至关重要。

将检索和精排后的外部知识和用户查询拼接到 prompt 中输给大模型，这是目前主流的方法。此外，也可以采用交叉注意力将外部知识直接编码到模型隐藏状态中。

对于复杂问题和模糊查询进行多次迭代，以提升 RAG 在困难问题上回答效果，也是 prompt 的范畴。具体来说，将复杂问题拆分成几个子问题，将模糊的问题进行细化。

（9）生成器 LLM

什么是生成器 LLM？利用输入问题和精排后的 context 合成的 prompt，生成最终的答案，一般基于预训练大语言模型。

到底使用何种生成器“大模型”？是使用专业、微调、还是通用，需要具体任务具体分析，一般生成大模型更看重其总结归纳的能力。

04、RAG 有哪些应用场景？

应用场景如下：

• AI Agent。大模型是上半场，Agent 是下半场。

• RAG 应用较多的场景是在企业内部知识问答。

• RAG 对 AI 应用产品很重要，在企业内部非常重视。

• 多模态应用。

05、如何从 0 到 1 构建 RAG？

（1）环境依赖安装：

（2）chunk分块：

from typing import List
def split_into_chunks(doc_file: str) -> List[str]:
    with open(doc_file, 'r', encoding='utf-8') as file:
        content = file.read()
    return [chunk for chunk in content.split("\n\n")]
chunks = split_into_chunks("doc.md")
for i, chunk in enumerate(chunks):
    print(f"[{i}] {chunk}\n")

（3）embedding 向量化：​​​​​​​

from sentence_transformers import SentenceTransformer
embedding_model = SentenceTransformer("shibing624/text2vec-base-chinese")
def embed_chunk(chunk: str) -> List[float]:
    embedding = embedding_model.encode(chunk, normalize_embeddings=True)
    return embedding.tolist()
embedding = embed_chunk("测试内容")
print(len(embedding))
print(embedding)

（4）存入向量数据库：​​​​​​​

import chromadb
# chromadb.PersistentClient("./chroma.db")
chromadb_client = chromadb.EphemeralClient()
chromadb_collection = chromadb_client.get_or_create_collection(name="default")
def save_embeddings(chunks: List[str], embeddings: List[List[float]]) -> None:
    for i, (chunk, embedding) in enumerate(zip(chunks, embeddings)):
        chromadb_collection.add(
            documents=[chunk],
            embeddings=[embedding],
            ids=[str(i)]
        )
save_embeddings(chunks, embeddings)

（5）检索：​​​​​​​

def retrieve(query: str, top_k: int) -> List[str]:
    query_embedding = embed_chunk(query)
    results = chromadb_collection.query(
        query_embeddings=[query_embedding],
        n_results=top_k
    )
    return results['documents'][0]
query = "哆啦A梦使用的3个秘密道具分别是什么？"
retrieved_chunks = retrieve(query, 5)
for i, chunk in enumerate(retrieved_chunks):
    print(f"[{i}] {chunk}\n")

（6）重排：​​​​​​​

from sentence_transformers import CrossEncoder
def rerank(query: str, retrieved_chunks: List[str], top_k: int) -> List[str]:
    cross_encoder = CrossEncoder('cross-encoder/mmarco-mMiniLMv2-L12-H384-v1')
    pairs = [(query, chunk) for chunk in retrieved_chunks]
    scores = cross_encoder.predict(pairs)
    scored_chunks = list(zip(retrieved_chunks, scores))
    scored_chunks.sort(key=lambda x: x[1], reverse=True)
    return [chunk for chunk, _ in scored_chunks][:top_k]
reranked_chunks = rerank(query, retrieved_chunks, 3)
for i, chunk in enumerate(reranked_chunks):
    print(f"[{i}] {chunk}\n")

（7）生成：​​​​​​​

from dotenv import load_dotenv
from google import genai
load_dotenv()
google_client = genai.Client()
def generate(query: str, chunks: List[str]) -> str:
    prompt = f"""你是一位知识助手，请根据用户的问题和下列片段生成准确的回答。
用户问题: {query}
相关片段:
{"\n\n".join(chunks)}
请基于上述内容作答，不要编造信息。"""
    print(f"{prompt}\n\n---\n")
    response = google_client.models.generate_content(
        model="gemini-2.5-flash",
        contents=prompt
    )
    return response.text
answer = generate(query, reranked_chunks)
print(answer)

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

06、如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】