---
title: "00-RAG详细解析导读"
created: 2026-09-07
tags:
  - 博客

---
# 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 | [[01-RAG入门与核心原理概述\|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 | [[08-RAG三代进化史与架构选型\|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 | [[16-文档预处理读取清洗与标准化\|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 | [[18-搞懂Tika才能做好RAG文档解析\|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 | [[12-文档切片策略选择\|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 | [[17-ChunkViz实验与可视化\|ChunkViz实验与可视化]] | 用可视化工具直观感受分块效果 |
| 7 | [[05-分片代码实战：Spring系列\|分片代码实战：Spring系列]] | 用 Spring 代码实现文档分片 |
| 8 | [[10-元数据的详细解析\|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 | [[11-元数据的过滤场景\|元数据的过滤场景]] | 检索时如何用元数据过滤，提升精度 |
| 10 | [[03-Embedding向量化原理与模型选型\|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 | [[04-向量数据库选型实战指南\|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 | [[07-向量检索核心算法深度剖析\|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 | [[06-混合检索的详细剖析\|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 | [[13-重排序的好处是什么\|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 | [[09-为什么要问题重写\|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 | [[14-查询的路由是必不可少的\|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 | [[15-RAG的组件拼接成流水线\|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 | [[02-图结构：Graph RAG\|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。