RAG学习路线与文档链接目录
RAG（检索增强生成）技术学习路线与专栏文档链接目录
📋 专栏概述
RAG（检索增强生成）是将信息检索与大语言模型结合的技术框架，它能通过从外部知识库检索相关信息来增强模型输出的准确性、时效性和可溯源性，有效解决知识幻觉问题。本专栏基于最新技术趋势，涵盖RAG核心概念、数据预处理、向量化技术、检索算法、重排序优化以及大模型集成等关键技术，帮助开发者从入门到精通掌握企业级RAG应用开发。
📌 文档更新说明：本专栏文档会不定期更新，随着新文档的发布，将及时在下方链接目录中添加对应的在线文档链接。
1. 为什么需要学习RAG
我们发现大语言模型（LLM）存在一些固有缺陷，比如知识时效性滞后、幻觉问题频发、领域专业知识不足等。通过引入RAG技术，我们能够有效解决这些问题。在企业级应用中，我们将学会如何让AI系统实时访问最新数据、提供专业领域知识支撑、确保回答可追溯验证。RAG已成为智能客服、企业知识库、法律医疗助手等知识密集型场景的标配技术，掌握这项技术是我们作为AI开发者的核心能力要求。
2. 学习阶段概览
flowchart TD
A[1.RAG核心概念与架构] --> B[2.数据预处理流水线]
B --> C[3.智能文档解析技术]
C --> D[4.文本分块策略设计]
D --> E[5.Embedding模型与向量化]
E --> F[6.向量数据库构建与优化]
F --> G[7.检索算法与策略]
G --> H[8.检索结果重排序]
H --> I[9.提示词工程与上下文组装]
I --> J[10.生成模型调用与输出优化]
J --> K[11.RAG系统评估体系]
K --> L[12.高级优化技术]
L --> M[13.生产环境部署与运维]
M --> N[14.完整项目实战]
📚 专栏文档链接目录（按学习顺序排序）
01-RAG学习路线
- 掘金：01-RAG学习路线
- CSDN：01-RAG学习路线
02-RAG核心概念与架构
- 掘金：02-RAG核心概念与架构
- CSDN：02-RAG核心概念与架构
03-数据预处理流水线
- 掘金：03-数据预处理流水线
- CSDN：03-数据预处理流水线
04-智能文档解析技术
- 掘金：04. 智能文档解析技术
- CSDN：04. 智能文档解析技术
04a-LayoutParser安装指南
05-文本分块策略设计
- 掘金：05. 文本分块策略设计
- CSDN：05. 文本分块策略设计
06-Embedding模型与向量化
07-向量数据库构建与优化
- 掘金：07. 向量数据库构建与优化
- CSDN：07. 向量数据库构建与优化
08a-检索算法与策略-稠密检索技术
08b-检索算法与策略-稀疏检索
- 掘金：08b. 检索算法与策略-稀疏检索
- CSDN：08b. 检索算法与策略-稀疏检索
08c-检索算法与策略-混合检索
- 掘金：08c. 检索算法与策略-混合检索
- CSDN：08c. 检索算法与策略-混合检索
08d-布隆过滤器是什么？
- 掘金：08d. 布隆过滤器是什么？
- CSDN：08d. 布隆过滤器是什么？
09-检索结果重排序与优化-重排序基本原理
10-重排序模型实战-BGE-Rerank应用
11a-阿里云大模型API调用基础
- 掘金：11a. 阿里云大模型API调用基础
- CSDN：11a. 阿里云大模型API调用基础
11b-OpenAI API密钥获取指南
11c-Token智能压缩技术
- 掘金：11c. Token智能压缩技术
- CSDN：11c. Token智能压缩技术
最后更新时间：2026-03-18
