配套视频
文章梳理了RAG系统从Notebook走向真实流量时发生的变化——摄取边界情况、嵌入选择、混合检索、重排序器，以及让整条流水线对结果负责的评估框架。下面两场AI Engineer Summit演讲，是这一过程最清晰的出镜讲解：一场从LlamaIndex的视角说明真正的生产级RAG技术栈是什么样；另一场则由原始RAG论文的主要作者讲解，他在为《财富》500强客户部署RAG时遇到了哪些问题。
18:34AI 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。
您应该从中获得什么: 识别朴素文档问答演示中缺失的生产级RAG控制措施。
先观看或了解: 构建或评估过基础RAG原型。
AI Expert 注释: LlamaIndex API和推荐组件会发生变化，但生产环境的缺口长期存在：摄取质量、检索路由、重排序、评估和可观测性。实现前请核实当前的库默认设置。
16:56AI 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。
您应该从中获得什么: 理解RAG进入受监管、高风险的企业场景后会出现哪些问题。
先观看或了解: 了解基础RAG流水线，以及归因的重要性。
AI Expert 注释: 这是很有价值的生产环境警示材料。请用它审视架构决策，尤其是权限、归因、可观测性和用户信任，然后再讨论嵌入模型的细枝末节。
