RAG详细解析导读

RAG（检索增强生成）是让大模型"查资料再回答"的技术。本系列从核心原理讲到文档处理、切片策略、向量检索、混合检索、重排序、流水线组装，覆盖 RAG 全流程的 18 篇深度解析。

阅读顺序

序 篇目 内容
1 RAG入门与核心原理概述 从真实场景出发，理解 RAG 解决的核心问题
2 RAG三代进化史与架构选型 从朴素 RAG 到模块化 RAG 的演进，架构怎么选
3 文档预处理读取清洗与标准化 RAG 的第一步：把原始文档读进来、洗干净
4 搞懂Tika才能做好RAG文档解析 用 Tika 解析各类文档格式的实战
5 文档切片策略选择 长文档怎么切，固定/递归/语义分块的取舍
6 ChunkViz实验与可视化 用可视化工具直观感受分块效果
7 分片代码实战：Spring系列 用 Spring 代码实现文档分片
8 元数据的详细解析 给文本块"上户口"，附带来源/层级/标签等信息
9 元数据的过滤场景 检索时如何用元数据过滤，提升精度
10 Embedding向量化原理与模型选型 文本如何变成向量，模型怎么选
11 向量数据库选型实战指南 向量存哪里，各数据库的对比与选型
12 向量检索核心算法深度剖析 向量相似度搜索的底层算法原理
13 混合检索的详细剖析 向量 + 关键词两条路并行召回，用 RRF 融合
14 重排序的好处是什么 召回之后，如何用重排序让最相关的排在前面
15 为什么要问题重写 用户的问题不好用时，如何改写让它更好检索
16 查询的路由是必不可少的 不同类型的问题，路由到不同的处理链路
17 RAG的组件拼接成流水线 把各个环节组装成完整的 RAG 流水线
18 图结构：Graph RAG 传统 RAG 处理不了的多跳问题，Graph RAG 怎么解

学习建议

先读「RAG 入门与核心原理概述」建立全局视角，再看「三代进化史」理解架构演进。然后按 数据流入 的顺序推进：文档预处理 → 文档解析 → 切片 → 可视化 → 分片实战 → 元数据。接着按 检索链路 推进：Embedding → 向量数据库 → 检索算法 → 混合检索 → 重排序 → 问题重写 → 查询路由。最后用「流水线组装」把所有环节串起来，再用「Graph RAG」拓展到图结构场景。