用大白话 + 流程图 + 类比，把 RAG 的核心组件、工作原理和十模块学习路径一次性讲清楚。不需要任何前置知识。
模型训练完就“冻结”了，不知道昨天的新闻、你公司的内部文档。RAG 把最新资料外挂进来，不用重新训练模型。
外部知识模型在没有依据时会编造。RAG 强制它先检索、再回答，答案里的每一句都能追溯到原文片段。
减少幻觉你的文档可能有几百页，直接全塞给模型既贵又超长。RAG 只挑出最相关的几段，精准投喂。
精准检索把长文档切成小块。切太大：检索不准、塞不进提示词；切太小：上下文断裂、语义不完整。好的切分要按标题层级来切，块与块之间还要留一点重叠，避免把一句话劈成两半。
M01把一段文字变成一串数字（比如 1024 个小数）。语义相近的文字，数字也相近。这样计算机才能“算”两段话像不像。这一步要调 embedding 模型，通常按批发送以省钱省时间。
M02把用户问题也变成向量，然后在库里找“数字最像”的几块。最朴素的算法是手写余弦相似度；数据量大时用 pgvector 的 HNSW 索引做近似检索，用一点点精度换大量速度。
M03光靠向量不够——专有名词、型号、人名它可能找不到。所以要同时跑一路关键词检索，再把两路结果融合（RRF 算法），最后用一个打分器重新排序，把最相关的顶上来。
M04把检索到的几块拼成一段提示词，告诉模型“请根据以下资料回答”。要注意 token 预算——不能全塞进去。还要处理“资料里没有答案”的情况，这时候应该拒答而不是硬编。
M05 · M06怎么知道检索好不好？用一组“问题 → 期望命中”的黄金集，算命中率、召回率、MRR 三个指标。关键是设一条基线：指标掉下去就判失败，防止改着改着越改越差。
M08👆 前两句的数字几乎一样（因为它们意思相近），第三句的数字差很远（意思无关）。检索时就是算“问题向量”和“每块向量”的距离，取最近的几个。这就是向量检索的全部原理。
怎么把文档切成合适的小块。basic 用定长切，advanced 按标题层级切并加重叠，enterprise 配置驱动 + 幂等。
把文字变成数字。basic 批量调模型，advanced 切批 + 磁盘缓存 + 413 重试，enterprise 缓存落 PG + 可续跑。
找最像的几块。basic 手写余弦相似度，advanced SQLite + 阈值 + 回环，enterprise pgvector + HNSW 调优。
向量 + 关键词双路召回，再融合排序。basic 字符 bigram 倒排，advanced RRF 融合，enterprise 可替换打分器。
把检索结果拼进提示词让模型作答。basic 直接拼，advanced 预算裁剪 + 引用编号，enterprise 拒答 + 降级 + 重试。
答案里的 [1][2] 到底来自哪一段。basic 带角标，advanced 回链到原文偏移，enterprise 可验证 + 完整溯源链。
用户的问题往往不适合直接检索。basic 单轮改写，advanced 指代消解 + 历史裁剪，enterprise 路由 + 缓存 + PG 会话。
怎么知道检索好不好。basic 跑 10 条看命中，advanced 算三个指标，enterprise 黄金集 + 基线 + 回归门禁。
让模型自己决定要不要检索、检索几次。basic 把检索变成工具，advanced 自主多轮 + 步数上限，enterprise 预算护栏 + 人工审批。
把前面九个模块串成一个完整应用。basic 单命令跑通，advanced 多轮 + 流式 + 持久化，enterprise pgvector + PG 检查点 + 评估门禁 + 可观测。
| 维度 | basic（先跑通） | advanced（加功能） | enterprise（接真实服务） |
|---|---|---|---|
| 目标 | 理解核心概念，一条命令跑出结果 | 补上工程上必需的细节 | 接真实外部服务，处理失败与代价 |
| 外部依赖 | 无（纯函数，可离线跑） | 本机 ollama（embedding） | ollama + PostgreSQL + pgvector + DeepSeek Key |
| 存储 | 内存 | 磁盘 / SQLite | PostgreSQL + pgvector |
| 典型新增 | — | 缓存、切批、重试、阈值、融合 | 索引调优、跨进程共享、评估门禁、降级、可观测 |
| 代价 | 功能最少，但最容易看懂 | 多一层缓存与重试逻辑 | 要装数据库、要配凭据、失败面变多 |
理解为什么不能把整本书塞给模型。学会按标题层级切分、加重叠窗口、给每块打元数据。这一步是后面所有环节的基础——切得不好，检索再准也没用。
学会把文字变成向量、算相似度、找 top-k。然后补上关键词检索做混合，用 RRF 融合两路结果。最后接上 pgvector，理解 HNSW 索引“用精度换速度”的取舍。
学会构造提示词、控制 token 预算、处理“没答案就拒答”。然后做到每条引用都能回链到原文。再解决多轮对话里的指代消解。最后用黄金集和基线，让“检索质量”变成可判定的数字。
把检索变成模型可以调用的工具，让它自主多轮——“证据不够？改写问题再查一次”。加上预算护栏和人工审批。最后把十个模块串成一个完整应用：可检索、可引用、可评估、可自主多轮。
不是。RAG 的核心是“检索”——先找到最相关的几段，再喂给模型。直接丢整个文档既超长又低效，而且模型会“中间忘掉”（lost in the middle）。
很多人随手按固定字数切，结果一句话被劈成两半、一个标题和它的内容被分到两块。切分粒度直接决定检索质量——切错了，后面全白搭。
向量检索对“意思相近”很擅长，但对专有名词、型号、人名可能失灵。比如搜“A100 显卡”，向量可能给你一堆“GPU 相关”的内容，但搜不到精确提到 A100 的那段。所以要加一路关键词检索。
如果资料里根本没有答案，模型会倾向于硬编一个。正确做法是：当检索结果为空或分数全低于阈值时，明确拒答——“根据现有资料无法回答”。
“感觉还行”不是标准。你需要一组带标准答案的问题（黄金集），算出命中率、召回率、MRR，并设一条基线。否则改了参数之后，你根本不知道是变好了还是变坏了。