一文看懂RAG：核心流程梳理与关键技术剖析

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索与大语言模型（LLM）生成的技术框架，核心目标是通过检索外部知识库的精准信息，辅助 LLM 生成更准确、更具依据的回答，减少 “幻觉”（编造信息）。其涉及的技术和流程如下：

一、RAG 涉及的核心技术

RAG 的技术栈可分为检索层、生成层和辅助层三大类，具体如下：

1. 检索层技术（核心：高效获取相关信息）

检索层的核心是从海量文档中快速找到与用户查询最相关的内容，涉及以下技术：

• 文档预处理技术
  • 文档加载：处理多格式文档（PDF、Word、Markdown、网页 HTML 等），常用工具如LangChain的DocumentLoaders、Unstructured。
  • 文本清洗：去除噪声（如广告、格式符号）、修正错别字、统一格式（如日期、单位）。
  • 文本分割（Chunking）：将长文档拆分为短片段（Chunk），避免因文本过长导致嵌入效果差。常用策略：按固定长度分割（如 500 字符）、按语义分割（如基于段落、句子边界），工具如LangChain的RecursiveCharacterTextSplitter。
• 嵌入技术（Embedding）
  将文本（文档片段或用户查询）转换为高维向量（嵌入向量），使语义相似的文本在向量空间中距离更近。核心是嵌入模型，分为：
  • 通用模型：如Sentence-BERT（轻量高效）、OpenAI Embeddings（text-embedding-ada-002，通用性强）、BERT（需微调适配场景）。
  • 领域模型：如BioBERT（生物医学）、Legal-BERT（法律），针对专业领域优化语义捕捉。
• 向量数据库技术
  存储嵌入向量并支持高效相似性检索，核心能力包括：
  • 向量存储：将文档片段的嵌入向量与原始文本关联存储。
  • 索引优化：通过近似最近邻（ANN）索引（如 FAISS 的 IVF、HNSW）加速检索，平衡效率与精度。
  • 主流工具：Milvus（开源，高扩展性）、Pinecone（云服务，易用）、Weaviate（支持语义搜索 + 结构化数据）、Qdrant（轻量，适合边缘场景）。
• 检索算法
  • 相似度计算：衡量查询向量与文档向量的匹配度，如余弦相似度（常用，抗维度影响）、欧氏距离（适合低维）、点积（效率高）。
  • 检索策略：如 “召回 – 排序” 两阶段检索（先通过 ANN 召回候选，再用精排模型筛选）、混合检索（结合关键词检索与向量检索）。

2. 生成层技术（核心：基于检索信息生成回答）

生成层的核心是利用 LLM 将检索到的信息转化为自然语言回答，涉及：

• 大语言模型（LLM）
  负责理解查询与检索到的上下文，生成连贯、准确的回答。主流模型包括：
  • 闭源模型：GPT-3.5/4（OpenAI）、Claude 2（Anthropic）、Gemini Pro（Google），优势是通用性强、少调优。
  • 开源模型：LLaMA 2（Meta）、Mistral、Qwen（阿里），deepseek等适合本地化部署，可通过微调适配领域。
• 提示工程（Prompt Engineering）
  设计高质量提示词（Prompt），引导 LLM 有效利用检索到的上下文。关键技巧：
  • 明确指令：如 “基于以下信息回答问题，不编造内容”。
  • 上下文组织：将检索到的文档片段按相关性排序，清晰标注来源（如 “[文档 1]…[文档 2]…”）。
  • 示例引导（Few-Shot）：加入类似问题的回答示例，帮助 LLM 理解格式。

3. 辅助技术（提升系统稳定性与效果）

• 文档加载与管理工具

  ：如LangChain（串联各环节的框架，支持加载、分割、嵌入、检索、生成一体化）、Haystack（专为 RAG 设计的开源框架）。

• 缓存机制

  ：存储高频查询的检索结果或生成回答，减少重复计算（如Redis）。

• 评估技术

  ：衡量 RAG 效果，包括：

  • 检索评估：准确率（检索到的内容是否相关）、召回率（是否遗漏关键内容）。
  • 生成评估：回答与上下文的一致性（避免幻觉）、相关性（是否匹配查询）、流畅度。常用工具如RAGAs（自动评估框架）、人工打分。

二、RAG 的核心流程

RAG 的流程可分为离线准备和在线服务两部分，具体步骤如下：

1. 离线准备阶段（数据预处理与存储）

该阶段为后续检索做准备，需一次性处理（或定期更新）知识库：

• 步骤 1：数据收集与清洗
  收集领域相关文档（如企业手册、产品说明、学术论文），去除重复、无效内容（如广告、乱码），统一格式（如将 PDF 中的图片文字 OCR 识别为文本）。
• 步骤 2：文本分割（Chunking）
  将清洗后的文档拆分为短片段（Chunk），长度通常为 200-1000 字符（需根据文档复杂度调整）。例如，一篇 10000 字的技术手册可拆分为 20 个 500 字的片段，确保每个片段语义完整。
• 步骤 3：嵌入与向量存储
  用嵌入模型将每个 Chunk 转换为向量，然后将 “向量 + 原始文本 + 元数据（如文档来源、页码）” 存储到向量数据库，并建立索引（如 HNSW 索引）以加速后续检索。

2. 在线服务阶段（响应用户查询）

用户实时查询时，系统动态完成检索与生成：

• 步骤 1：查询处理
  接收用户输入（如 “如何配置产品 A 的网络？”），进行简单清洗（去除无关符号），再用与文档嵌入相同的模型将查询转换为向量。

• 步骤 2：相似性检索
  在向量数据库中，计算查询向量与所有文档 Chunk 向量的相似度，返回 Top N（如 Top 5）最相关的 Chunk（含原始文本和元数据）。

• 步骤 3：提示构建
  将检索到的 Top N Chunk、用户查询及指令（如 “基于以下信息回答，不编造”）组合成 Prompt，例如：

  问题：如何配置产品A的网络？ 参考信息： [1]产品A的网络配置需先连接路由器… [2]若提示“连接失败”，请检查IP地址设置… 请基于以上信息回答，不添加未提及的内容。

• 步骤 4：生成回答
  将 Prompt 输入 LLM，生成最终回答（如分步骤说明配置流程）。部分系统会增加后处理（如标注信息来源）。

3. 迭代优化（可选）

根据实际效果调整参数，提升性能：

• 调整 Chunk 长度（过短可能割裂语义，过长可能降低相关性）；

• 更换嵌入模型或 LLM（如领域场景换用专业模型）；

• 优化检索策略（如增加 Top N 数量、结合关键词检索）；

• 改进 Prompt（如增加约束条件减少幻觉）。

通过以上技术和流程，RAG 既能利用 LLM 的自然语言生成能力，又能通过检索外部知识确保回答的准确性，广泛应用于客服、知识库问答、数据分析等场景。

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发