整理文件路径：Technical→AI/

wiki/sources/rag-cong-ru-men-dao-jing-tong.md

@@ -0,0 +1,42 @@
+---
+title: "RAG从入门到精通系列1：基础RAG"
+type: source
+tags: [rag, LLM, retrieval, vector-database]
+date: 2025-12-18
+---
+
+## Source File
+- [[raw/AI/RAG从入门到精通系列1：基础RAG.md]]
+
+## Summary
+- 核心主题：RAG基础概念和实现流程
+- 问题域：LLM缺乏最新和私有数据
+- 方法/机制：索引→检索→生成的三步流程
+- 结论/价值：RAG是连接LLM与外部数据源的通用方法
+
+## Key Claims
+- RAG = Retrieval Augmented Generation，检索增强生成
+- Indexing：将文档切分并转换为Embedding向量存入向量数据库
+- Retrieval：根据问题语义向量检索相关文档块
+- Generation：将问题和相关文档输入LLM生成答案
+- Embedding Model的Context Window有限（512-8192 token），需切分文档
+
+## Key Concepts
+- [[RAG]]：检索增强生成
+- [[Embedding]]：将文本转换为数值向量的技术
+- [[向量数据库]]：存储和检索向量表示的数据库
+- [[文档切分]]：将长文档分割成符合Embedding窗口的块
+- [[Context Window]]：模型能接受的上下文长度限制
+
+## Key Entities
+- [[LangChain]]：RAG实现框架
+- [[Qdrant]]：向量数据库
+- [[BAAI]]：Embedding模型提供商
+
+## Connections
+- [[LLM]] ← uses ← [[RAG]]
+- [[RAG]] ← includes ← [[索引]]
+- [[RAG]] ← includes ← [[检索]]
+- [[RAG]] ← includes ← [[生成]]
+
+## Contradictions