Retrieval 与 RAG

Retrieval & RAG

从数据摄取到检索评估，建立完整 RAG 管线，并理解 Retrieval 在 Agent 中何时应预取、何时应作为 Tool。

推荐阅读顺序

1. RAG 架构与数据摄取

围绕“RAG 架构与数据摄取”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

2. Chunking、Embedding 与 Vector Store

围绕“Chunking、Embedding 与 Vector Store”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

3. Retriever、过滤与 Query Rewrite

围绕“Retriever、过滤与 Query Rewrite”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

4. Semantic、BM25 与 Hybrid Search

围绕“Semantic、BM25 与 Hybrid Search”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

5. Reranking、阈值与 Grounding

围绕“Reranking、阈值与 Grounding”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

6. Agent 中的 Retrieval 策略

围绕“Agent 中的 Retrieval 策略”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

7. Retrieval 与 RAG Evaluation

围绕“Retrieval 与 RAG Evaluation”建立统一心智模型，并落实到 Shadow Harness 的组件边界、失败处理与验证方式。

开始阅读 →

阅读方式

建议按顺序学习本章。中文负责解释概念，英文保留标准技术术语，便于继续查阅官方文档和源码。