mine/hexo-blog @ 70c807edca9cb76e056442d7d8eabb8879bc4f90

title: RAG(1) author: Gamehu tags:

RAG categories:
AI date: 2025-09-18 16:29:00 ---

RAG 第一篇

后续团队需要做企业大脑，会用到RAG，先比较完整的了解下RAG，把零碎知识补的完整一些，做个记录。

标准RAG（Retrieval-Augmented Generation）的运行流程图

标准RAG系统的运行流程可以分为两大阶段：索引阶段（Indexing Phase）（预处理数据）和运行时阶段（Runtime Phase）（查询处理）。以下是详细的流程描述，我会结合常见的流程图示例来说明。RAG的核心是先从外部知识库中检索相关信息，然后用这些信息增强LLM的生成，以减少幻觉并提供更准确的回答。

{% asset_img 3.jpg https://www.6clicks.com %}

这个流程图展示了RAG的高层结构：从数据源到最终输出的完整路径。

1. 索引阶段（Indexing Phase）：预构建知识库

这一阶段发生在系统启动前，用于将外部数据转化为可检索的形式。通常是离线过程，目的是创建向量数据库以支持高效查询。

步骤1: 数据采集（Data Ingestion）
从各种来源（如文档、数据库、网页）收集原始数据。这些数据可以是结构化（e.g., SQL表）或非结构化（e.g., PDF、文本文件）。
步骤2: 数据分块（Chunking）
将长文档切分成小块（chunks），通常每个chunk 100-500 tokens，以匹配嵌入模型的输入限制。分块策略包括固定长度、按句子或语义分块（e.g., 使用LLM检测自然断点）。
步骤3: 嵌入生成（Embedding Generation）
使用嵌入模型（如BERT、OpenAI的text-embedding-ada-002）将每个chunk转化为向量表示（dense vector，e.g., 768维）。这捕捉语义相似性。
步骤4: 索引存储（Indexing and Storage）
将向量和对应的原始chunk存储到向量数据库（Vector DB，如FAISS、Pinecone、Milvus）。同时可能添加元数据（如来源、时间戳）。索引使用近似最近邻（ANN）算法如HNSW来加速检索。

这一阶段的输出是一个可查询的向量数据库。

{% asset_img 1.jpg danielp1.substack.com %} 这个图更详细地展示了索引和检索的子步骤，包括分块、嵌入和重排序。

2. 运行时阶段（Runtime Phase）：实时查询处理

这是用户交互时的核心流程，对应你之前描述的“检索 + 生成”。

步骤1: 用户输入（User Query Input）
用户提供查询（query），e.g., "什么是RAG？"。
步骤2: 查询嵌入（Query Embedding）
使用相同的嵌入模型将query转化为向量。
步骤3: 检索（Retrieval）
在向量数据库中计算query向量与所有chunk向量的相似度（e.g., 余弦相似度）。返回Top-K个最相似的chunks（原始文本 + 元数据）。可选：重排序（Re-ranking）使用另一个模型（如Cross-Encoder）进一步过滤，提高相关性。
步骤4: 提示构建（Prompt Construction）
将检索到的Top-K chunks（原始文本）与query拼接成一个Prompt。模板示例：
```
系统提示: 你是一个助手，使用以下上下文回答问题。
上下文: [chunk1] [chunk2] ... [chunkK]
问题: [query]
回答:
```
注意：这里不直接传递向量，只传递文本。Prompt长度需控制在LLM上下文窗口内（e.g., 8K-128K tokens）。
步骤5: 生成（Generation）
将Prompt输入LLM（e.g., GPT-4、LLaMA），LLM基于Prompt生成回答。生成过程使用解码算法如beam search或greedy decoding。
步骤6: 输出响应（Output Response）
返回生成的文本给用户。可选：后处理，如引用来源或验证事实。

{% asset_img 2.webp k2view.com %} 结构化和非结构化数据的融合，以及Prompt + Context的输入到LLM。

详细流程的潜在变体和优化

高级检索：可结合关键字搜索（BM25）与向量搜索的混合检索（Hybrid Search），或使用查询重写（Query Rewriting）来扩展query。
多跳检索：对于复杂查询，多次检索（e.g., 先检索实体，再检索关系）。
性能考虑：检索延迟通常<1s，生成取决于LLM大小。常见问题：噪声chunk（无关信息）导致Prompt过长，可用压缩（如摘要）优化。
工具与框架：实现时常用LangChain、Haystack或LlamaIndex。嵌入模型：Sentence Transformers；向量DB：Weaviate。

总结

一句话概括：RAG就像给AI装了个"外挂搜索引擎"，问啥先从知识库里找答案，再让AI组织回答。

整个流程就两步大动作：

1️⃣ 准备阶段（一次性干完）

把一堆文档（PDF、网页、数据库）切成小块（像切西瓜一样）
给每块内容打个"指纹"（向量嵌入，类似数字DNA）
把这些"指纹+原文"存进搜索引擎（向量数据库）

比喻：就像给图书馆每本书都贴上标签，方便以后快速找书。

2️⃣ 回答问题时（每次提问都这样）

用户问问题 → AI先去"图书馆"翻书 → 找到相关内容 → 组织答案给用户
     ↓              ↓                    ↓              ↓
"什么是RAG？"   搜"指纹"匹配           挑出3-5段      "RAG是检索增强生成..."
                 找相关段落            最相关的书     用这些内容回答

详细拆解：

你问问题 → AI把你的问题也打个"指纹"
AI去搜 → 在图书馆里找跟你问题"指纹"最像的几本书
挑重点 → 不把整本书都拿出来，只拿相关段落
拼答案 → 把这些段落+你的问题一起给AI，让它重新组织回答
输出 → AI用找到的"参考资料"给你准确回答

关键点：

向量（指纹）只用来"找书"，不直接给AI看
AI真正读的是书里的原文，不是那些数字指纹
找书快（秒级），读懂写回答慢（几秒到几十秒）

为啥要这样？

不RAG：AI只能凭记忆瞎编，容易胡说八道
有RAG：AI像查字典一样先找事实，再组织语言回答

通俗理解：RAG就是让AI"不瞎编，先查资料"，回答前先翻书确认事实！

参考文档

https://www.6clicks.com/resources/blog/understanding-rag-retrieval-augmented-generation-explained https://danielp1.substack.com/p/navigating-retrieval-augmented-generation

RAG(1).md 6.5 KB History Raw