Retrieval 与 RAG

建立 ingestion→retrieval→rerank→grounding→evaluation 的证据链。

推荐阅读顺序

1. RAG 从哪里开始：Retrieval 边界、架构模式与 Ingestion

回答：从原始文档到可被模型使用的证据，中间哪些步骤属于 Retrieval / RAG，2-Step、Agentic、Hybrid 怎样选？

2. 文档怎样变成可检索索引：Chunking、Embedding 与 Vector Store

回答：Chunk 边界、Embedding 表示和 Vector Store 索引怎样共同决定可召回性？

3. 一次检索请求怎样被约束：Retriever、Metadata Filter 与 Query Rewrite

回答：Retriever 如何在查询重写、metadata 过滤和权限约束之间保持原始用户意图？

4. 语义搜还是关键词搜：Semantic、BM25 与 Hybrid Search

回答：Semantic Search 与 BM25 各擅长什么，Hybrid 怎样融合而不误用不可比较的 score？

5. 召回之后如何形成证据：Reranking、Threshold 与 Grounding

回答：候选召回后，怎样通过 rerank、threshold 和 provenance 形成模型可引用的可靠证据？

6. Agent 什么时候该检索：Pre-Retrieval、Retrieval Tool 与 Failure Modes

回答：检索应该每轮自动发生，还是作为 Tool 由 Agent 决定，分别会产生什么失败模式？

7. 怎么判断检索真的变好了：Retrieval 与 RAG Evaluation

回答：Retrieval 指标和最终 RAG 任务指标分别测什么，如何定位问题来自召回还是生成？

本模块学习边界

• 暂不展开：大规模向量基础设施调优与与 Harness 主线无关的 RAG 平台细节