nexus/wiki/concepts/RAG.md

title, type, tags, sources, last_updated

title	type	tags	sources	last_updated
RAG	concept	rag llm retrieval-augmented-generation	RAG从入门到精通系列1：基础RAG LLMs、RAG、AI Agent 三个到底什么区别？	2026-04-15

Definition

Retrieval Augmented Generation（检索增强生成），一种将 LLM 与外部数据源（私有数据或最新数据）连接的通用方法。通过先检索后生成的模式，让 LLM 的回答有时事实依据。

Architecture

三阶段管道：

1. Indexing（索引）：文档加载→文本切分→向量化→存入向量数据库
2. Retrieval（检索）：问题向量化→按相似度检索 Top-k 知识片段
3. Generation（生成）：问题+知识片段→PromptTemplate→LLM 生成答案

Key Components

组件	作用	示例工具
Document Loader	加载外部文档	LangChain 160+ 加载器
Text Splitter	切分文档为 Split	RecursiveCharacterTextSplitter
Embedding Model	文本→向量	BAAI BGE 系列
Vector Store	存储+相似度检索	Qdrant、Pinecone、Chroma
LLM	答案生成	GPT-4、Claude、Qwen

Technical Details

• Embedding Model Context Window 通常 512~8192 token，需将长文档切分成满足长度限制的 Split
• 相似度衡量方法：余弦相似度、点积、欧氏距离等
• Retriever 可通过 LangChain 的 Retriever 接口统一抽象

Related Concepts

• LLM：RAG 的生成层载体
• Embedding：RAG 的核心技术，将文本转为数值表示
• 向量数据库：RAG 的存储层
• AI知识库：RAG 的上层应用形态
• Indexing：RAG 第一阶段
• Retrieval：RAG 第二阶段
• Generation：RAG 第三阶段

Sources

• RAG从入门到精通系列1：基础RAG
• LLMs、RAG、AI Agent 三个到底什么区别？