当前位置：首页 >专题 >RAG 知识库检索与评估实战专题
RAG 知识库检索与评估
RAG 知识库检索与评估实战专题
从文档切分、向量召回到重排、引用与安全
RAG 应用的难点不只是把文档塞进向量库，而是让正确证据稳定进入上下文，并能被评估、引用和安全地使用。本专题以真实工程故障为主线，从文档切分和向量化开始，逐步覆盖 Top-K 召回、混合检索、重排、证据门禁、评测样本和知识库安全，帮助开发者把能回答的 Demo 推进到可验证的生产链路。
官方入口与快速开始
先理解 RAG 数据流，再对照主流框架与向量检索实现
官方
LangChain RAG 官方入口
从检索、上下文组装到 Agent RAG 的官方文档入口。
官方
LlamaIndex RAG 官方概念
说明文档摄取、索引、检索和生成之间的关系。
官方
Pinecone RAG 教程
从向量数据库、Embedding 到检索增强生成的完整入门。
官方
Qdrant 混合查询文档
介绍稠密向量、稀疏向量和混合检索组合方式。
官方
Amazon Bedrock Knowledge Bases
查看托管知识库、检索、重排、引用和权限能力。
官方
AWS RAG 工作原理
解释切块、Embedding、向量索引、查询和上下文增强。
官方
Azure AI Search RAG 指南
覆盖经典 RAG、混合查询、语义排名、引用和 Agentic Retrieval。
官方
OWASP LLM Prompt Injection 防护
覆盖 RAG poisoning、间接注入、最小权限和人工确认。
站内 RAG 工程实战
从答非所问到可评估、可引用、可审计的知识库
常见问题
从能检索到能上线，回答 RAG 最容易混淆的四个问题
RAG 为什么不能只靠换更大的模型解决？
如果正确文档没有进入上下文，模型规模无法弥补检索缺失；应先记录 query、命中片段、分数和引用，再判断问题发生在切块、Embedding、召回、重排还是生成。
向量检索和关键词检索应该怎么组合？
向量检索擅长语义相似，关键词检索擅长产品名、编号、错误码和精确短语；生产场景通常先并行召回，再用加权融合或 RRF 合并，最后根据评测集调权重。
RAG 评测至少要记录哪些指标？
建议建立带标准来源的问题集，记录 Recall@K、MRR 或 nDCG、答案引用是否支撑结论、拒答是否合理、延迟和成本，并保留失败样本与文档版本。
知识库里的文档为什么不能直接当作指令？
网页、PDF、邮件和用户上传内容都应视为不可信资料，只能作为回答依据；工具清单、参数校验、资源权限和高风险动作确认必须由服务端固定策略控制。
相关专题
继续查看相近方向内容
查看更多
最新文章
-
- Go net.IPMask.Size 怎样判断掩码是否是连续前缀
- 8分钟前 424浏览
-
- Go os.OpenFile 文件权限参数为什么和实际权限不同怎样构造最小复现
- 8分钟前 363浏览
-
- Go asn1.RawValue 修改 Bytes 后 Marshal 为什么仍输出旧内容
- 15分钟前 325浏览
-
- Go net.Resolver 纯 Go DNS 解析为什么和系统不同怎样构造最小复现
- 32分钟前 441浏览
-
- Go debug/elf 的 NOBITS 节为什么有 Size 却无法读取 Data
- 56分钟前 284浏览
-
- Go netip.Addr IPv4 映射地址比较为什么不相等怎样构造最小复现
- 1小时前 261浏览
-
- Go debug/pe 的 COFF 长符号名为什么不能直接读取 Name 字段
- 1小时前 418浏览
