在 2024—2025 年的大模型应用浪潮中，RAG（Retrieval-Augmented Generation，检索增强生成）已经成为最主流、最有效的解决大模型“幻觉”和知识时效性问题的方案。它既不像微调那样昂贵，也不像单纯 Prompt 那样无力应对私有知识，而是优雅地把“检索”和“生成”结合在一起，让大模型真正拥有了“外脑”。
这篇文章将用教科书式的语言，从原理到实践，带你从零搭建一套生产可用的 RAG 系统。我们不会堆砌过多碎片化的 bullet points，而是像一章真正的教材一样，循序渐进地讲清楚每一步为什么这么做、能解决什么问题，并配上可直接运行的代码示例。
一、RAG 到底在解决什么问题？
大语言模型（LLM）本质上是一个“预测下一个词”的统计机器。它的知识来源于训练数据，存在三个致命缺陷：
- 知识有截止日期（例如 GPT-4 训练数据截止到 2023 年 9 月）
- 无法精准记住长尾的、私有的、细节的知识
- 容易自信地编造（Hallucination）
RAG 的核心思想非常直白：不要指望模型自己记住所有东西，需要的时候去外部知识库里查。它在生成答案之前，先根据用户问题检索出最相关的文档片段，再把这些片段塞进 Prompt 里，让模型基于真实材料来回答。
一句话总结 RAG 的工作流程：
用户问题 → 检索相关文档 → 把文档塞进 Prompt → LLM 生成答案（带着引用）
这就彻底把“模型记忆力”的问题，转化成了“检索准确率”的工程问题。
二、RAG 的经典三阶段架构
一个成熟的 RAG 系统通常分为三个阶段：
- 索引阶段（Indexing Pipeline）—— 离线，把你的知识文档切片、向量化、存入向量数据库
- 检索阶段（Retrieval）—— 在线，根据用户问题实时检索 Top-K 相关片段
- 生成阶段（Generation）—— 把检索到的片段 + 问题交给 LLM，生成最终答案
下面我们从零开始，一步步实现这三个阶段。
三、准备工作：环境与依赖
pip install langchain langchain-community langchain-openai \ langchain-text-splitters langchain-chroma \ chromadb sentence-transformers pypdf2 tiktoken我们选择：
- Embedding 模型：
BAAI/bge-large-zh-v1.5（当前中文效果最强开源模型之一） - 向量数据库：Chroma（轻量、本地、足够好用）
- LLM：可替换为 OpenAI、Claude、通义千问、DeepSeek 等
四、第一步：加载与切分文档（Chunking）
这是 RAG 最被低估的环节。切得不好，再好的向量模型也救不了你。
from langchain_community.document_loaders import PyPDFLoaderfrom langchain_text_splitters import RecursiveCharacterTextSplitter# 1. 加载文档（支持 PDF、TXT、MD、DOCX 等）loader = PyPDFLoader("我的公司内部知识库.pdf")docs = loader.load()# 2. 切分——这是艺术text_splitter = RecursiveCharacterTextSplitter( chunk_size=500, # 每个块目标 500 字符 chunk_overlap=100, # 重叠 100 字符，防止跨块断句 separators=["\n\n", "\n", "。", "！", "？", " ", ""], keep_separator=True)chunks = text_splitter.split_documents(docs)print(f"总共切出 {len(chunks)} 个块")为什么用 RecursiveCharacterTextSplitter？ 它会按照段落 → 句子 → 词的顺序尝试切分，最大程度保留语义完整性。chunk_size 建议 300–800 字符，过大检索噪声多，过小上下文不足。
五、第二步：向量化与索引（Embedding + Vector Store）
from langchain_community.embeddings import HuggingFaceBgeEmbeddingsfrom langchain_chroma import Chroma# 中文最强开源 embedding（无需 OpenAI 密钥）embedding_model = HuggingFaceBgeEmbeddings( model_name="BAAI/bge-large-zh-v1.5", model_kwargs={'device': 'cpu'}, # 有 GPU 改成 'cuda' encode_kwargs={'normalize_embeddings': True})# 创建向量数据库（持久化到本地 ./chroma_db）vectorstore = Chroma.from_documents( documents=chunks, embedding=embedding_model, collection_name="my_rag_collection", persist_directory="./chroma_db")print("索引构建完成！")这一步完成后，你就拥有了一个可查询的“外部大脑”。
六、第三步：检索器（Retriever）
# 把向量库包装成检索器retriever = vectorstore.as_retriever( search_type="mmr", # 推荐使用 MMR，既相关又多样 search_kwargs={"k": 6, "fetch_k": 20} # 先拿 20 篇再重排序)MMR（Maximal Marginal Relevance）是工业界标配，它在保证相关性的同时，避免返回高度重复的内容。
七、第四步：生成器（Generation）——带引文的 Prompt 模板
from langchain_core.prompts import PromptTemplatefrom langchain_openai import ChatOpenAItemplate = """你是一个严谨的助手。请根据以下上下文，回答用户问题。如果上下文不足以回答，请说“根据提供的资料无法回答”。上下文：{context}问题：{question}回答："""prompt = PromptTemplate.from_template(template)llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.3) # 温度低一点更严谨# 构建 RAG Chainfrom langchain_core.runnables import RunnablePassthroughfrom langchain_core.output_parsers import StrOutputParserdef format_docs(docs): return "\n\n".join(f"【引用{idx+1}】{doc.page_content}" for idx, doc in enumerate(docs))rag_chain = ( {"context": retriever | format_docs, "question": RunnablePassthrough()} | prompt | llm | StrOutputParser())八、完整调用示例
question = "公司2025年的年会是在哪里举办的？"answer = rag_chain.invoke(question)print(answer)输出示例：
根据提供的资料，公司2025年年会定于三亚亚特兰蒂斯酒店举办，时间为2025年2月8-10日。
【引用1】…（年会通知全文）
【引用2】…（酒店确认邮件）
这样用户既拿到答案，又能看到原始出处，几乎杜绝了幻觉。
九、高级技巧：让你的 RAG 真正好用
Hybrid Search（混合检索）
向量检索擅长语义，BM25 擅长关键词。把两者融合（Chroma 已原生支持）：vectorstore = Chroma.from_documents(..., collection_metadata={"hnsw:space": "cosine"})retriever = vectorstore.as_retriever(search_type="similarity_score_threshold", search_kwargs={"score_threshold": 0.2})重排序（ReRank）
用跨编码器（如 bge-reranker）对 Top-20 再打分，只留 Top-5，准确率大幅提升。元数据过滤
在文档切块时带上 source、date、department 等元数据，检索时可过滤：retriever = vectorstore.as_retriever(search_kwargs={"filter": {"department": "HR"}})长上下文压缩
如果检索出太多内容，用 LLM 压缩上下文（LangChain 有现成模块）。
写在最后
RAG 不是一个花哨的学术名词，而是当下最务实、最落地的让大模型真正“有用”的方案。从今天起，你只需要：
- 把公司所有文档扔进一个文件夹
- 运行上面几段代码
- 接入你的企业微信/飞书/DingTalk
一个永不胡说八道的智能知识库就诞生了。
未来属于那些给模型装上“外脑”的人，而不是单纯追求参数规模的人。
动手吧，RAG 时代已经来临。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
