【新书】检索增强生成（RAG）入门指南

《检索增强生成（RAG）入门指南》

——一本全面、通俗的人类友好型指南，带你掌握RAG的全部核心知识

图书简介

检索增强生成（Retrieval Augmented Generation，简称 RAG）通过引入外部知识库，为大语言模型（LLM）提供额外上下文信息，使其能够准确回答涉及私有内容、最新信息甚至实时对话的问题。RAG 强大而灵活，而在《检索增强生成入门指南》中，你将发现它同样易于理解与实践！ 本书将带你学习以下内容： * RAG 系统的组成部分 * 如何构建 RAG 知识库 * 索引与生成流程（pipeline） * 如何评估 RAG 系统 * 高级 RAG 策略 * 实用的 RAG 工具、技术与框架

《检索增强生成入门指南》为AI初学者提供了一套简洁但全面的RAG入门路径。从最基本的索引与生成流程出发，你将逐步了解模块化RAG系统，以及如何处理图像、电子表格等多模态数据。

---

技术背景

如果你希望使用大语言模型回答与自身业务相关的问题，很可能会失望：LLM 对你的具体业务毫无了解，甚至可能胡编乱造。**检索增强生成（RAG）**正是为解决这类问题而生的方法。它首先从你的知识存储中（如搜索索引、向量数据库或文档集）检索出最相关的信息，然后结合用户的提示词与检索内容生成答案。这种方式有效避免“幻觉”问题，并让你可控生成内容。

---

关于本书

《检索增强生成入门指南》以通俗易懂的语言介绍 RAG，内容结构清晰，配有大量实用的 Python 代码示例。书中按概念递进，从RAG的基础知识到高级用法均有覆盖，并展示如何使用如 LangChain 等工具与 Python 库来实现RAG系统。即使你是 AI 新手，也能在实践中构建完整的 RAG 应用系统。

---

核心内容包括

RAG 的核心组件与实际应用 * RAG 系统的评估方法：准确性、相关性与忠实性 * 主流 RAG 实现工具与开发框架

---

适读人群

本书适合数据科学家、工程师和技术管理者阅读，无需具备大语言模型相关经验。示例代码简洁且注释详尽，便于理解和动手实践。

---

作者简介

Abhinav Kimothi 是资深的数据与AI专家，曾在数据科学、机器学习与人工智能领域担任多个咨询与领导职位，拥有超过15年从业经验，现任 Yarnit 公司人工智能副总裁。

---

目录结构

**第1部分

LLM 与 RAG 的必要性 1. RAG 系统结构与设计

**第2部分

索引流程：为RAG构建知识库 1. 生成流程：生成具上下文的LLM响应 1. RAG系统评估：准确性、相关性与忠实性

**第3部分

RAG系统的演进：基础、进阶与模块化RAG 1. RAGOps 技术栈的演进

**第4部分

图结构、多模态、智能体化与其他RAG变体 1. RAG开发框架与未来探索