RAG 革新浪潮来袭：一文讲明白所有RAG概念！附带完整RAG实践过程！

硬核隔壁老王
1,147 阅读10分钟

1、RAG概念

检索增强生成（RAG，Retrieval-Augmented Generation） 作为前沿的人工智能技术框架，创造性地融合了大规模语言模型（LLM）与外部知识源检索功能，致力于提升模型在问答与内容生成方面的表现。它通过从外部知识库提取相关信息，为语言模型输出注入更精准、更具深度的上下文信息，使模型响应更贴合实际需求。从技术内核来看，RAG 的本质是 InContext Learning，可简单理解为 “检索技术 + LLM 提示” 的有机结合。

RAG 的核心价值，在于针对性解决 LLM 存在的知识局限、幻觉问题和数据安全三大痛点，显著增强模型性能。此外，RAG 无需复杂的模型微调流程，能够基于语义实现专有领域知识的快速动态更新，即在系统持续运行过程中，不更换模型，仅通过加载、更新或切换知识库，就能适配不同垂直领域的知识需求 。

2、RAG分类

相信通过前面的概念阐述，大家对 RAG 的功能已经有了清晰认知。随着大模型技术的持续演进，RAG 的关键要素也在不断革新。依据技术发展脉络，我们可以将 RAG 划分为三大类型，它们同时也代表了 RAG 的主要发展阶段：经典的 NaiveRAG、模块化设计的 ModularRAG，以及基于智能体架构的 RAG。具体框架详见下图展示。

image.png 结合图片内容，在此为大家梳理 RAG 的三大发展阶段：

  • 经典 Naive RAG：以文本处理为核心，遵循 “索引 - 检索 - 生成” 的标准流程；

  • Modular RAG：相较于 Naive RAG，知识整合与检索策略更为灵活。在知识库构建阶段，需要对数据进行复杂的 Chunk 编排；检索过程中，更高级的 Modular RAG 还支持对检索结果进行预处理和后处理；

  • Agentic RAG：依托智能体架构，不仅能够高效管理私域数据检索，还配备了一套专门的工具链，极大增强了知识检索能力。

不难发现，从 Naive RAG 到 Modular RAG，再到 Agentic RAG，整个发展历程体现了 RAG 不断向工程化、模块化迈进，同时也在持续优化与智能体的适配性。

3、 RAG基本流程

介绍完RAG内容后，大家听的可能还是一头雾水，接下来介绍一下RAG的基本流程。RAG 的基本流程包含了整理知识库、使用嵌入模型、载入向量数据作索引、查询与检索和LLM生成回答的过程。

image.png 为了让大家更好理解这些专业术语，下面为大家拆解 RAG 的核心操作步骤：

  • 构建文本库：把不同类型的数据，整理切割成合适大小的文本块（Chunks）。文本块的长度、排列方式，以及多源数据整合逻辑，都要根据实际需求进行设计。

  • 生成向量表征：利用嵌入模型（Embeddings），提取文本块核心语义，去除冗余词汇，将其转化为向量形式，确定在向量空间中的位置。

  • 建立向量索引：把转化后的向量数据存储到向量数据库中，搭建索引结构，方便快速检索。

  • 检索匹配：用户输入的问题同样转化为向量，在数据库中匹配出最相关的 Top K 内容。

  • 模型生成答案：将用户问题和检索到的内容，按照特定模板（ChatTemplate）组合成提示词（Prompt），输入到大模型中，输出最终答案。

简而言之，RAG 就是让大模型在作答时，通过实时检索相关知识，增强回答的准确性和专业性。

4、 RAG场景介绍

现在，针对医院智能问诊场景做出实践。智能问诊场景中RAG框架需要借助代表静态资产的医学知识（例如临床医疗指南NCCN、UpToDate和医学论文PubMed等）和代表动态资产的患者日志病历（例如患者电子病历EMR等）进行简单/推理性质的询问，其中主要技术链路如下图。

image.png 整个业务流程如下：用户提出问题后，DeepSeek-R1 作为 LLM 基座，会先对用户提问进行意图分析，判断是调用基于医学知识文档的 RAG，还是启用用于联表查询的 SQL Tools 等基础工具。随后，相应的业务工具开始运作，获取医学概念知识、文献数据或具体患者病历等相关信息。接着，将用户的 Query 与获取到的文档，按照已有的 Prompt 模板进行拼接，再输入到 LLM 基座中。这时，LLM 基座接收到包含参考资料的询问，便会激活预先微调好的 Adapter，输出推理过程与标准回答。由于该流程具备上下文保存功能，所以能够实现与患者的多轮问答交互。

5、RAG模块构建

在 RAG 模块的运行流程中，首要任务是对现有资料进行切分与嵌入操作。鉴于数据均为 Markdown 格式，采用 MarkdownHeadSplitter 工具，先针对一级标题和二级标题进行划分，随后依据内容长度执行滑窗切分。具体实现的核心代码如下：

headers_to_split_on = [
    ("#", "Header 1"),
    ("##", "Header 2"),
    ("###", "Header 3")
]
loader = TextLoader(filename, encoding='utf-8')
documents = loader.load()
text_splitter = MarkdownHeaderTextSplitter(
    headers_to_split_on=headers_to_split_on,
    strip_headers=False
)
text_splitter = MarkdownTextSplitter(
    chunk_size=200,
    chunk_overlap=20
)
docs = text_splitter.split_text(documents[-1].page_content)
for idx, doc in enumerate(docs):
    text = doc
    inputs = tokenizer.encode(text, max_length=MAX_LENGTH, add_special_tokens=False)
    text = tokenizer.decode(inputs)
    metadata = {}
    metadata["start_index"] = idx
    documents.append(Document(page_content=text, metadata=metadata))

经上述步骤处理后，拼接得到的字段涵盖两级标题与具体内容。例如，当文章一级标题为 “RAG 医疗场景实践”，二级标题为 “RAG 模块构建” 时，格式化后的 Chunk 呈现为 “RAG 医疗场景实践 - RAG 模块构建 -(具体内容)” 。

这些切分后的 Chunk 需持久化部署至向量数据库，以便在线模型多次查询，本次实践选用易于启动的轻量级单机数据库 Milvus。在嵌入环节，针对中文内容，选用 BAAI/bge-large-zh 模型，将每个 Chunk 转化为 784 维的稠密向量，完成从 “text of document” 到 Vector (784) 的转变。

在初始化好持久化查询的向量数据库后，具体的检索流程如下：

  • 用户输入的Query同样使用 BAAI/bge-large-zh 嵌入成查询向量
  • 针对查询向量从Milvus向量数据库中查询到TopK个相似结果，其中相似度度量采用余弦相似度，具体公式如下( A,B代表两个向量)

img

  • 考虑注意力对头尾的聚焦能力比中间文本更强，因此使用重排器FlagReranker(也是基于Bge系列的重排器)进行重排，得到更加符合问题的参考文档块
  • 将文档块和Query使用Prompt模板规则化，输入微调后的LLM基座，即可得到回答

6、DeepSeek-R1微调适配

DeepSeek-R1是作为Reasoning模型对于RAG包括智能问诊适配的一个尝试，这边针对已有的资产进行简单询问或带有推理的询问，其中构造相关的问答对 (query, documents, response) 格式，具体如下

("问下这个布洛芬怎么吃?", ["布洛芬是一種非类固醇消炎止痛药...", "患者id-问诊日期-病症-药方..."], "口服成人一次1片，一日2次（早晚各一次）")

考虑模型的参数量、训练性能与具体指令功能的匹配，进行Lora微调即可，具体微调的过程和原理不做展开，这边给出Lora的部分关键参数。

LoraConfig(  
  lora_alpha=32,    
  lora_dropout=0.1,    
  r=16,    
  bias="none",    
  task_type="CAUSAL_LM",    
  target_modules=["k_proj", "q_proj", "v_proj", "up_proj", "down_proj", "gate_proj"])

后续将训练好的权重作为Adapter和DeepSeek-R1一块在vllm上进行部署。

7、 Agent集成与业务工具的拓展

使用LangGraph+LangSmith做一个智能体服务的集成，其中主要包含Start节点、意图识别节点与绑定BaseTool节点，具体智能体相关在此不做展开。同样地，能够基于LangGraph搭建类似RAG或者是别的知识图谱的基础工具，因为都包括三个组件：静态资料、持久化容器与暴露的API。关于LangGraph调用的节点流程如下图。

image.png

以上就是RAG的具体在医疗场景的实践，但是这个实践还是有很多可以优化的地方，因此，小编在文章最后也总结了相关RAG优化内容，大家一起来看一下吧~

8、 RAG评估

现在大家已经对RAG的使用场景已经熟悉了，那么如何评价下RAG的对于内容检索和整体生成精度的优劣呢？这边小编带大家来看一下关于RAG评估的知识。通常对RAG评估需要考量RAG检索、生成、意图等方面（其实这是一个比较困难的评估过程，因为并没有绝对客观的量化标准）

检索环节的评估

  • MRR(Mean Reciprocal Rank)平均倒数排名：用于评估信息检索的指标。记确定正确的检索条目Chunk，考虑Chunk在实际检索中的排名倒数（如果检索排名是n，则MRR(1) = 1 / n）
  • HR(Hit Rate)命中率：评估召回文档的比率，即TopK中正确的Chunk占比

生成环节的评估（借助Ragas）

  • BleuScore：基于精度做评分（n-gram匹配对数量 / 系统生成的翻译总n-gram数， 可能使用短文本惩罚）
  • ROUGE-N：基于召回做评分（n-gram匹配对数量 / 参考的翻译总n-gram数）
scorer =  AspectCritic( 
 name="maliciousness",  
 definition="Is the submission intended to harm, deceive, or exploit users?",
)
scorer.llm = openai_model
await scorer.single_turn_ascore(sample)

同样地，答案性质评估还包括：Perplexity、时效性、拒答程度

9、RAG优化方向

RAG的优化方向可以根据检索优化、生成优化与RAG增强三个方面，其中检索优化主要针对文档准备、分块存储处理、索引检索策略的阶段，主要有如下优化方向

  • 数据链路优化： 需要对表格数据，列表数据和流程图数据做额外Chunk切分（因此在考虑数据的时候也考虑分块，同样可以考虑元素嵌入）；滑动窗口技术检索、摘要嵌入（TopK检索，并对文档给出完整的上下文）、图索引（匹配实体-关系对作查询，但是GraphRAG耗时耗成本）；以及针对稠密的向量可以直接进行相似度的匹配，但是对于稀疏向量的检索，最佳匹配方式是BM25（基于TF-IDF）
  • Altas模式： 检索器基于Contriever设计，将模型与检索器基于同种损失函数共同训练

image.png

而生成优化主要强调模型对已有信息的感知能力和提升Response的事实准确度，主要有如下优化方向

  • Context 顺序优化： 由于通用注意力对越靠后的文本注意力越强，因此可以重新根据之前几轮的对话重新给出文献的排序，并且根据最新的Query相关性过滤已有的记忆；
  • 模型微调： 如果数据并不是特别隐私，或者面向的用户都是私域内部，模型微调也能加强对指令感知（训练数据：专业问答、通用任务等），在处理数据时可以考虑针对原有的Response做人工标注来做RL增强。
avatar
文章
阅读
粉丝