深入浅出RAG

讲解企业文档常见格式的解析策略，深入 LangChain 文档加载器体系，演示如何从 PDF、Markdown、CSV 等格式中提取结构化文档对象，并实现自定义加载器从 REST API 拉取数据。

讲解向量数据库如何解决大规模向量检索的效率问题，深入近似最近邻搜索原理，对比 Pinecone、Chroma、Qdrant 等主流方案，并通过 TypeScript 代码演示索引创建与相似度搜索。

深入讲解文本嵌入的数学直觉与工作原理，涵盖余弦相似度等核心度量方式，对比主流 Embedding 模型选型要素，并通过 TypeScript 代码演示向量生成与语义相似度计算。

从大语言模型的固有局限出发，深入讲解RAG的核心思想、经典工作流、与微调的本质区别，以及适用与不适用场景，为后续章节的系统学习奠定认知基础。

本专栏的导读，阐述为啥要学习RAG技术，并帮助你了解RAG技术的学习路径、章节结构和适合的阅读方式，为后续系统学习做好准备。