从零构建RAG知识库实战

📚 30章 · 完整目录 v1.0

RAG认知篇什么是RAG？为什么需要RAG？RAG与微调的区别。

环境准备 Python环境搭建、Anaconda安装、虚拟环境管理、Jupyter Notebook配置。

文档加载器 PDF、Word、TXT、HTML等常见文档格式的加载与解析。

文本分割器按字符、按段落、按语义进行文本分割的策略与实战。

向量化基础什么是词向量？Word2Vec、GloVe、FastText的原理与对比。

嵌入模型实战使用OpenAI Embeddings、HuggingFace Embeddings进行文本向量化。

向量数据库入门 ChromaDB、FAISS、Pinecone、Weaviate的选型与对比。

ChromaDB实战安装、创建集合、添加文档、相似度搜索。

FAISS实战构建索引、添加向量、检索与性能调优。

检索器设计相似度检索、MMR检索、混合检索策略。

Prompt工程基础什么是Prompt？System Prompt、User Prompt的设计原则。

Prompt模板实战使用LangChain的PromptTemplate构建动态提示词。

大模型调用 OpenAI API、本地模型（Ollama/Llama.cpp）的调用方式。

LangChain框架入门核心组件（Chain、Agent、Memory）介绍。

构建第一个RAG管道加载文档 → 分割 → 向量化 → 存储 → 检索 → 生成。

检索增强生成如何将检索结果注入Prompt，提升回答质量。

对话记忆 ConversationBufferMemory、ConversationSummaryMemory的使用。

多轮对话RAG 结合历史对话进行上下文感知的检索与生成。

查询重写对用户问题进行改写、扩展，提升检索命中率。

混合检索结合关键词检索（BM25）与向量检索，实现更精准的召回。

重排序使用Cross-Encoder对检索结果进行重排序，提升Top-K质量。

知识图谱增强将知识图谱与RAG结合，处理多跳推理问题。

多模态RAG 处理图片、表格、代码等多模态数据的检索与生成。

评估体系 RAGAS框架、准确率、召回率、忠实度、答案相关性评估。

性能优化缓存策略、异步处理、批量检索、索引优化。

部署实战使用FastAPI构建RAG服务API，Docker容器化部署。

前端交互使用Streamlit/Gradio构建RAG知识库问答界面。

企业级RAG 权限管理、数据隔离、日志审计、高可用架构。

案例实战构建一个企业内部文档问答系统（从需求到上线）。

总结与展望 RAG的未来趋势、Agent与RAG的结合、端到端优化方向。