RAG与知识系统

构建个人RAG：与自己的文档对话（无需代码）

无需代码，不到一小时即可构建基于自己文档的对话工具。本文介绍2026年值得使用的三种无代码方案、各自的取舍，以及实用RAG与令人沮丧的RAG之间的关键差异。

构建生产级RAG：摄取、嵌入、检索、重排序与评估

生产级RAG流水线包含六个阶段，每个阶段都有决定质量的特定模式。本文介绍整体架构、各阶段的选择，以及让有效RAG与令人失望的RAG拉开差距的迭代评估规范。

10 分钟阅读

企业知识RAG：权限、泄露与来源边界

只有检索过程遵守权限，企业知识助手才是安全的。本文介绍如何设计RAG来源边界、ACL筛选、文档责任归属、日志记录、过时来源处理和拒绝行为。

此主题下的更多内容

9 分钟阅读

A personal knowledge system that helps you retrieve, not hoard

Highlights, clippings, and AI summaries pile up without making you smarter. A small capture-to-retrieval system built around three real decisions — plus what to do about sensitive notes, other people's data, and the false privacy of a personal account.

20 分钟

RAG权限与访问控制：深入教程

Paragon. 视频逐步讲解生产环境中的RAG权限问题，并比较工具调用、命名空间、ACL表和基于关系的权限。这直接支持文章的核心规则：检索只能返回当前用户获准查看的来源，而且不能把源系统权限视为事后补充。

7 分钟

用Docling提升RAG与AI智能体

IBM Technology. 视频讲解RAG和智能体的摄取环节：如何准备PDF和其他文件，使文档结构、表格和版面布局能够保留到后续检索阶段。这印证了文章的提醒：RAG的质量与安全始于嵌入之前，解析复杂业务文档时尤其如此。

面向RAG的安全文档摄取：PDF、OCR、元数据与保留

RAG质量始于检索之前。本文是一份安全摄取指南，涵盖PDF、OCR、元数据、权限、来源时效性、删除、恶意软件风险和运营责任归属。

能解决70%工单的AI客户支持智能体

一种切实可行的AI客户支持智能体设计：解决常见问题，将疑难问题升级给人工，同时避免犯下登上Hacker News的那类错误。本文涵盖架构、提示词和防护措施。

分块、重排序与混合搜索：让RAG真正发挥作用

大多数RAG实现效果不佳，是因为三个环节出了问题。本实用指南介绍如何对文档分块、对结果重排序，并将关键词搜索与语义搜索结合起来，而无需成为搜索工程师。

上下文工程：管理100万token的窗口，同时避免上下文退化

100万token的上下文窗口已经成为现实，但远未达到上限时，质量就会开始下降。上下文工程研究如何有效使用上下文窗口：该纳入什么、该总结什么、该实时检索什么，以及如何在上下文不断增长时维持高质量。

在n8n中构建你的第一个AI智能体：端到端的潜在客户分流工作流

完整演示如何在n8n中构建一个真正可用的AI智能体——接收潜在客户后进行分流、信息补充、评分和转交。涵盖每个节点、每段提示词和每个常见陷阱。

如何在提示词、RAG与微调之间选择（以及何时组合）

提示词、RAG和微调是让LLM适应你的问题的三大手段。它们各有适用和不适用的问题。本文提供选择框架、各自的实际成本，以及组合使用时效果突出的生产模式。

超越文本块的RAG：图RAG、智能体RAG与长上下文RAG

经典的基于文本块的RAG存在局限。图RAG、智能体RAG和长上下文RAG以不同方式突破了这些限制。本文介绍各自适用的场景、实际工作原理，以及生产环境中重要的权衡。

11 分钟

2024年NotebookLM新手教程

TheAIGRID. 这是一段节奏更快、以功能为主的介绍：上传混合资料来源（PDF、YouTube转录文本和博客文章）、生成简报文档、让对话聚焦单一资料来源，以及制作音频概览播客。如果你想在投入时间观看更长的操作演示之前，快速了解完整功能范围，这段视频很合适。

26 分钟

如何使用NotebookLM（Google的AI“理解工具”）

Tiago Forte. Tiago是*Building a Second Brain*的作者，他对NotebookLM的定位与文章所述完全一致——基于你自己的笔记、PDF和摘录构建个人RAG。他展示了以引用为依据的对话、工具的局限，以及它如何融入Readwise/Obsidian工作流；对文章的大多数读者而言，这正是自然而然的最终形态。

69 分钟

用于检索的5级文本拆分方法

Greg Kamradt. 文章用了大量篇幅介绍分块；这段视频对每种分块策略的实际作用进行了最详尽、最耐心的讲解——从递归字符拆分，到感知文档结构的拆分，再到语义拆分和智能体式拆分。开始调优前，可以结合Greg的免费ChunkViz工具观看，以建立直观认识。

24 分钟

“我想让Llama3结合我的私有知识实现10倍性能”——使用llama3构建本地智能体式RAG

AI Jason. 视频在一个可运行的构建项目中涵盖了文章主张的完整技术栈——查询转换、混合检索、重排序和纠正型RAG循环。它提供了实用的心智模型，让你看到分块→重排序→回答这条流水线真正发挥作用时是什么样子。

17 分钟

生产环境中的RAG智能体：我们得到的10条经验——RAG提出者Douwe Kiela

AI Engineer. Douwe Kiela在FAIR领导了最初的RAG论文工作，如今为受监管企业交付RAG。演讲主要讨论规模扩大后哪些做法会失效——无法应对100k份文档的分块策略、“准确只是基本要求，不准确才是真正的问题”，以及为何归因和可观测性比嵌入模型更重要。重读文章的评估和监控章节之前，这是一份很好的校准材料。

19 分钟

构建生产就绪的RAG应用：Jerry Liu

AI Engineer. LlamaIndex CEO讲解“朴素RAG演示”与真实流水线之间的差距，涵盖由小到大的检索、子问题路由、混合搜索和评估。他的幻灯片结构几乎与文章的流水线章节直接对应；建议先看视频，再带着其中的图示重读文章。

9 分钟

RAG与微调对比

IBM Technology. 视频更集中地比较团队最常混淆的两种技术，并深入讨论数据新鲜度、来源归因，以及微调在推理速度方面的优势。如果你正专门尝试说服团队不要开展不必要的微调项目，这段视频值得一看。

13 分钟

RAG、微调与提示工程：优化AI模型

IBM Technology. 视频通过清晰的白板讲解对比三种技术及各自的成本——检索延迟、训练算力与灾难性遗忘，以及仅靠提示的局限——并说明哪些组合在生产环境中真正合理。结尾以一套同时使用三种技术的法律AI系统为例，几乎完整对应文章中“何时组合”的论点。

39 分钟

RAG 2.0入门：智能体式RAG与知识图谱（免费模板）

Cole Medin. 这是一个可运行的“智能体RAG + 知识图谱”构建项目，智能体会决定何时进行向量搜索、何时查询Neo4j，以及何时同时采用两者。文章介绍“以智能体作为检索规划器”模式时，这段视频提供了YouTube上最清晰的演示，而且代码可以实际下载运行。

16 分钟

Graph RAG：用知识图谱改进RAG

Prompt Engineering. 视频集中讲解Microsoft的GraphRAG——实体抽取、社区摘要和面向查询的摘要生成——并在本地计算机上完成设置，同时说明成本。建议专门配合文章的图RAG章节观看；成本讨论尤其值得关注，因为大多数文章都会略过这一部分。