RAG与知识系统

构建个人RAG：与自己的文档对话

构建并评估一个范围明确、基于文档的助手。比较托管笔记本、项目工作区和可配置检索，同时不削弱来源追踪或权限控制。

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

一套帮你检索、而不是囤积的个人知识系统

一套范围明确的「收集到检索」系统：定义使用场景、检索测试、复核日期和删除规则，并警惕敏感笔记、他人数据，以及由服务商托管的账户。

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。

RAG 的安全文档摄取：PDF、OCR、元数据与保留策略

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。

设计AI客户支持智能体：分诊、知识、操作与升级

一种经过队列评估的参考设计，涵盖支持分诊、检索、回复起草、受控操作和人工升级，并说明安全试点所需的政策与测量边界。

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 Agent：端到端的线索分诊工作流

一套基于官方文档的n8n潜在客户分流设计：验证输入、限制智能体可用工具、验证结构化输出、以原子方式保存提案，并把所有直接影响客户的操作放在审批之后。

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. 这段较早、以功能为主的介绍展示了录制时界面中的混合来源上传、单一来源聚焦、简报文档和音频概览。它适合用来识别工作流组成部分，而不能用来确认当前Gemini Notebook界面或功能可用性。

26 分钟

如何使用NotebookLM（Google的AI“理解工具”）

Tiago Forte. 《Building a Second Brain》的作者Tiago Forte使用笔记、PDF和摘录演示了当时名为NotebookLM的产品。可复用的模式是选择范围明确的来源集、提出文档问题、检查链接段落，并确定生成工件如何融入现有知识工作流。

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。