RAG 与知识库指南
RAG分类让模型回答你自己的资料：文档怎么切、向量与关键词怎么混合检索、命中率怎么评估，以及嵌入模型与知识库工具怎么选。
RAG 与检索：让模型用上你自己的资料
四条链路（切分、向量化、检索、生成）哪一步最决定效果？答案是检索。附最小可行做法与评估方法。
嵌入模型
做检索与 RAG 要选嵌入模型：维度、价格、多语言能力对照。
笔记与知识库
把资料沉淀成可检索的知识库——做 RAG 之前，先有一份能用的语料。
RAG检索问答中大模型起的作用是什么
讲清大模型在 RAG 检索问答里到底干哪几件事、不干哪几件事，给开发者一套可落地的分工与排查顺序。
embedding_dim是什么
讲清 embedding_dim 到底指什么、为什么会有这个数字、它怎么影响检索效果与存储成本，并给出一套选型与排查的动作清单。
embeddings是什么优势
给做检索的开发者讲清 Embeddings 比关键词匹配强在哪、什么场景下反而别用，以及判断和落地的一套顺序。
fastGPT零基础入门
零基础把 FastGPT 跑起来并搭出一个能用的本地知识库问答：从装到传资料、调到能答，给一套可照做的顺序。
fastgpt是什么语言开发的
讲清 FastGPT 用什么语言开发、前后端与服务各层技术栈怎么分工，以及自己部署前要核对哪些环境条件。
rag 是什么 ai
给入门读者讲清 RAG 是什么、为什么要用它，以及在 AI 应用里它和模型、向量库各自负责哪一段，附一套判断和上手顺序。
rag 是什么意思
用生活化比喻讲清 RAG 到底解决什么问题：为什么不改模型也能让它答对私事，以及什么时候该用、什么时候别用。
text-embedding是什么
用大白话讲清 text-embedding 是什么：文本怎么变成一串数字、这串数字能拿来干什么，以及新手第一次上手该按什么顺序试。
大模型 rag 是什么
用一句话讲清 RAG 在大模型里扮演什么角色，帮初学者判断它解决什么问题、什么时候用不上、动手前要准备什么。
大模型应用开发:rag入门与实战
给开发者的 RAG 入门实战大纲：讲清切分、嵌入、向量库、混合检索怎么串起来，以及跑通后怎么评估和排查。
大语言模型 rag 智能体入门
给零基础开发者的路线图：先分清大模型、RAG、智能体三者各自解决什么，再按顺序动手搭出第一个能查资料、能调工具的问答应用。
弹性搜索elasticsearch是什么
给开发者讲清 Elasticsearch 是什么、解决哪类问题，以及什么时候你其实不需要它。
数据清洗是什么意思和重要性
讲清数据清洗是什么意思、为什么脏数据会拖垮分析与 RAG 效果，并给出一套能照着做的清洗步骤与自查清单。
检索增强生成的主要作用是什么
给应用开发者讲清 RAG 的核心作用：它到底补上了大模型的哪块短板，哪些场景该上、哪些不值得上。
LANGGraph Langchain RAG入门
给开发者一条用 LangGraph 加 LangChain 搭 RAG 的最小上手路径：先分清两者分工，再按节点拆流程，最后按清单自测能不能用。
RAG 是什么缩写
讲清 RAG 的全称写法、读音和检索增强生成的字面含义，顺带说清它和微调、长上下文各自适合什么情况。
agentic rag 是什么
讲清 Agentic RAG 的原理：它把检索从一次性动作变成模型自己决定的多轮动作，并说明什么情况下该上、什么情况下纯属浪费。
anythingllm是什么
讲清 AnythingLLM 是什么、能干什么、适合谁：给想搭本地知识库的小团队一份选型判断与上手前的准备清单。
embed_size是什么
讲清 embed_size 这个向量维度参数在 RAG 里管什么，怎么选、改了以后要连带改哪些地方，以及不适用的情况
embedding_model 是什么
讲清 embedding_model 到底做什么、和聊天模型差在哪，给检索从业者一套能落地的选型与验收集合。
embedding是什么意思
用比喻讲清 embedding（向量嵌入）是什么、为什么能把文字变成一串数字，以及它在搜索和检索里到底帮了什么忙，顺带给出上手前的判断清单。
其他分类
指南内容由本站依据各平台公开文档与官方公告整理，只做中文归纳；做法与口径以官方文档为准。
