RAG 技术体系
所属：阶段四 · 工具生态与外围组件集成 目标：掌握 RAG 流水线、chunking 选型、查询改写 / Rerank / 引用溯源等高级技术，能把 RAG 封装成 Agent 工具。
📌 学习目的
掌握 RAG 流水线、chunking 选型、查询改写 / Rerank / 引用溯源等高级技术，能把 RAG 封装成 Agent 工具。
✅ 学习要求（前置条件）
已完成「02_vector_db_and_memory」+ 阶段三「02_langgraph_core」。
📚 主要学习内容
- RAG 七环节：加载 → 清洗 → 分块 → 向量化 → 检索 → 生成
- chunking 策略：固定长度 / 递归字符 / 标题感知 / 语义 / 父子
- 高级 RAG 四件套：查询改写 / 多轮迭代 / Rerank / 引用溯源
- Agent-RAG：把知识库封装成 kb_search 工具
- LlamaIndex 检索 + LangGraph 编排的黄金组合
📖 对应 docs
- 目录：
docs/04-阶段四-工具生态与外围组件集成/（按目录名里的第 X 篇对应） - 在 docs 目录里找到对应的小点 markdown 文件阅读详细理论。
🛠️ 建议练习
- 用 RAG 完整流程做一份知识库问答
- 对比固定长度 / 递归字符 / 父子分块的 recall@5
- 把 QueryEngine 包成 @tool 并接入 LangGraph Agent
🏁 完成后达成标准
- 能说清 RAG 七环节及每个环节的常见故障
- 能实现带查询改写 + 缓存 + 溯源的知识库检索工具
- 能区分普通 RAG 与 Agent-RAG 的适用场景
🚀 运行提示
# 激活根目录的虚拟环境
cd /Users/jack/source/Demo/py/demo_python_agent
source .venv/bin/activate # 或直接用 uv run ...
# 进入本章目录
cd code/004_phase4_tool_ecosystem/03_rag_technique
# 跑你的练习文件
uv run python your_exercise.py