43 lines
1.4 KiB
Markdown
43 lines
1.4 KiB
Markdown
---
|
||
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
|