场景实践AI 产品、后端工程师工程
从零搭建 RAG 知识库
用检索增强生成技术，让 AI 能基于私有文档回答问题。
完成后你会得到
完成一套 RAG 知识库方案
阅读
2-3 小时
路径
8 节
阅读路径
按这个顺序读，概念之间的依赖会顺很多。
- 01Embedding基础模型
- 02
- 03文档切分（Chunking）检索增强
- 04
- 05检索（Retrieval）检索增强
- 06
- 07重排序（Reranking）检索增强
- 08RAG检索增强
任务拆解
每一步都对应一个可执行动作，而不是泛泛看概念。
1理解 Embedding 和向量检索
2选择向量数据库
3设计 Chunking 策略
4实现混合检索和重排序
5拼装 RAG Prompt
6评测检索质量
Prompt 使用原则
先用这些约束把模型拉到正确轨道，再复制下方专题 Prompt。
要求模型只基于检索片段回答
让每个答案标注来源和置信度
把"不知道"写进系统约束
专题 Prompt
暂无关联 Prompt