NOVAIX
RAG 与知识库图文讲义1762 字

RAG技术的三大范式和技术演进

·全库 93 / 611

《RAG技术的三大范式和技术演进》共 15 页、0.2 万字，通篇围绕 RAG、检索、向量、embedding 展开，归在「RAG 与知识库」这一层。

覆盖RAG检索向量embedding数据库Agent

适合手上有一堆资料，要把它变成能问答的知识库的人

目录骨架（8 节）
  1. RAG 技术的三大范式和技术演进
  2. 我们的探索之旅：RAG 知识地图
  3. 才华横溢，但有时会“一本正经地胡说八道”
  4. RAG：给大模型一场“开卷考试”
  5. RAG 的核心引擎：让机器理解语义的“密码”
  6. 第一步（离线）：构建你的专属知识库
  7. 第二步（在线）：从提问到精准回答
  8. 范式一：经典 RAG （Naive RAG）架构全景

原 PDF 已逐页还原成图，共 15 页，这里先放前 3 页，其中 3 页识别出了标题。右侧文字由 OCR 按版面重排，可能有个别错字，以图为准；点图可全屏放大。

本讲义目录 · 3 页
  1. 01RAG 技术的三大范式和技术演进
  2. 02我们的探索之旅：RAG 知识地图
  3. 03才华横溢，但有时会“一本正经地胡说八道”
011 / 3
第 1 页：RAG 技术的三大范式和技术演进
第 1 页

RAG 技术的三大范式和技术演进

从基础到前沿，彻底掌握增强检索生成

022 / 3
第 2 页：我们的探索之旅：RAG 知识地图
第 2 页

我们的探索之旅：RAG 知识地图

第一站：大模型的“记忆” （为什么需要 RAG？）

第二站：Naive RAG 诞生 （RAG 是如何工作的？）

难题

第三站：精益求精的演进 之路 （RAG 如何变得更强大？）

第四站：总结与工具箱 （我们学到了什么？）

033 / 3
第 3 页：才华横溢，但有时会“一本正经地胡说八道”
第 3 页

才华横溢，但有时会“一本正经地胡说八道”

为什么我们不能只用 LLM？

在缺乏知识时，会自信地编造 造答案。这是最关键的问题。

模型幻觉

幻觉

私域盲点

无法访问企业内部、 非公开的专业知识。

知识截止

2021

模型所知有限， 无法获取最新信息。 结论：独立的 LLM 在真实性、实时性和私密性方面无法满足企业级应用的需求。

上一篇
零代码搭建Excel数据分析可视化小助手
下一篇
为什么说Al大模型微调中最不需要关注的就是GPU

同模块推荐

资料里没有你的场景？

把你手上的数据和想解决的那个环节发上来，我们按具体情况回，不复述方法论。

发布需求