来自第一原则的 RAG

由畅销人工智能作者撰写的严格、代码优先的 RAG 工程指南。主数据摄取、分块、嵌入、向量存储、混合检索、重新排名和从头开始评估。

主要功能
从摄取到评估逐层设计 RAG 系统
掌握混合检索、重新排名和索引优化策略
通过 10,000 多名学生使用的对话驱动、代码优先的教学方式进行学习

书籍描述
大多数开发人员都可以使用 LangChain 或 LlamaIndex 在一个下午启动 RAG 管道。很少有人了解检索失败的原因或如何修复它。这本书适合那些想要深入了解的人。

《第一原理》中的 RAG 逐层拆解了检索增强生成堆栈，解释了如何摄取和解析文档、为什么分块策略直接影响答案质量、嵌入模型如何编码含义、向量数据库内部发生的情况，以及稀疏和密集检索如何在混合系统中相互作用。该书由研究工程师兼畅销人工智能作者黄嘉撰写，为人工智能最关键的工程学科之一带来了研究深度和生产经验。

这本书以经验丰富的工程师和两名学生之间的渐进式对话为框架，提出了从业者实际提出的问题。每一章都建立在最后一章的基础上，涵盖从数据导入和分块到嵌入选择、索引设计、混合搜索和检索后处理等主题，然后继续讨论响应生成、评估和高级范例，包括 GraphRAG、Agentic RAG 和 Modular RAG。

最后，您将掌握架构方面的知识，从而充满信心地优化、调试和扩展您的 RAG 系统。

这本书的目标读者
本书适合构建由 LLM 驱动的应用程序的 AI 工程师、ML 从业者和软件开发人员，他们希望更深入地了解检索的实际工作原理，而不仅仅是如何调用框架。对于已经构建了基本 RAG 管道并现在想要架构清晰度和优化策略的读者来说，它是理想的选择。

设计生产人工智能系统的技术主管和架构师会发现其对索引、混合搜索、重新排名和评估的系统处理特别有价值。假定熟悉 Python 和基本 LLM 概念。