这是一本面向企业级AI应用开发者和决策者的RAG技术实战指南，全面覆盖了从基础理论到高级优化的各个环节。本书采用循序渐进的讲解方式，配以丰富的图表和代码示例，为读者提供了一条完整的学习路径，帮助读者快速掌握RAG技术的精髓。 本书共10章，分为四部分。 第一部分介绍了RAG技术的定义、发展背景、核心组成以及落地面临的挑战，同时深入探讨了RAG技术背后的原理，包括嵌入技术、数据索引与检索，以及大语言模型的应用。 第二部分详细讲解了RAG应用的各个环节，从数据准备与处理，到检索环节的优化，再到生成环节的技巧。 第三部分主要介绍了RAG系统的高级优化策略、常见框架实现原理与性能评估方法。针对高级优化策略，介绍了索引构建、预检索、检索、生成预处理和生成五个环节；针对常见框架，介绍了自省式RAG、自适应RAG、基于树结构索引的RAG、纠错性RAG等；针对评估方法，从评估指标和评估框架两个方面介绍了检索环节和生成环节的各种衡量指标的特点。 第四部分首先通过具体的企业级应用案例和行业特定解决方案，展示了RAG技术在文档生成、知识库检索、客户服务等领域的实际应用，以及在金融、医疗、法律等特定行业的落地实践。然后展望了RAG技术的未来发展趋势，如长上下文对RAG的影响、多模态RAG的应用，以及嵌入模型与大模型语义空间融合等前沿话题，最后对RAG落地挑战进行了总结。

前言
第一部分　RAG技术基础
第1章 RAG 技术简介
1.1 为什么需要 RAG
1.2 RAG技术的发展背景
1.2.1 早期阶段：信息检索与问答系统
1.2.2 过渡阶段：自然语言处理与机器学习
1.2.3 发展阶段：RAG技术的兴起与优化
1.3 RAG技术的核心组成
1.3.1 检索模块
1.3.2 生成模块
1.3.3 数据增强
1.4 与大语言模型集成
1.4.1 RAG与LLM的结合
1.4.2 LangChain和LlamaIndex
1.5 RAG面临的挑战
1.6 总结
第2章 RAG技术背后的原理
2.1 Embedding技术
2.1.1 为什么RAG要用Embedding
2.1.2 Embedding 的工作原理
2.1.3 Embedding的发展历程
2.1.4 Embedding 的代码示例
2.2 数据索引与检索
2.2.1 数据索引的基本概念
2.2.2 数据检索的基本原理
2.2.3 数据索引与检索的技术实现
2.2.4 数据索引与检索的应用场景
2.3 大语言模型
2.3.1 大语言模型的特点
2.3.2 大语言模型的技术原理
2.3.3 大语言模型在RAG中的应用
2.4 总结
第二部分　RAG应用构建流程
第3章 数据准备与处理
3.1 数据清洗
3.1.1 数据收集
3.1.2 文本处理
3.1.3 文本分词
3.2 文本分割
3.2.1 固定大小分块
3.2.2 递归分块
3.2.3 基于文档逻辑的分块
3.2.4 语义分块
3.3 索引构建
3.3.1 列表索引
3.3.2 关键词表索引
3.3.3 向量索引
3.3.4 树索引
3.3.5 文档摘要索引
3.4 总结
第4章 检索环节
4.1 索引构建与优化
4.1.1 索引构建回顾
4.1.2 索引更新策略
4.1.3 索引压缩技术
4.1.4 多模态索引构建
4.2 检索策略与算法
4.2.1 精确匹配检索
4.2.2 相似度检索
4.2.3 语义检索
4.2.4 混合检索
4.2.5 检索结果排序与过滤
4.3 查询转化
4.3.1 查询预处理
4.3.2 查询扩展
4.3.3 查询理解与意图识别
4.4 总结
第5章 生成环节
5.1 LLM重排序
5.1.1 重排序的概念
5.1.2 LLM重排序的基本原理
5.2 提示工程
5.2.1 零样本提示
5.2.2 少样本提示
5.2.3 思维链提示
5.2.4 React
5.3 LLM归纳生成
5.3.1 数据合成
5.3.2 文章摘要生成
5.3.3 人物场景创作
5.3.4 对话生成
5.3.5 JSON结构化输出
5.4 总结
第三部分　RAG技术进阶
第6章 高级RAG优化技术
6.1 索引构建优化
6.1.1 长文档优化
6.1.2 大规模文档系统的优化
6.2 预检索优化
6.2.1 查询转换
6.2.2 查询扩展
6.2.3 结构化查询
6.2.4 查询路由
6.2.5 查询缓存
6.3 检索阶段优化
6.3.1 知识图谱的混合检索
6.3.2 关键词检索与向量检索结合
6.3.3 微调嵌入模型
6.4 生成预处理
6.4.1 重排序
6.4.2 压缩与选择
6.5 生成阶段优化
6.5.1 提示工程
6.5.2 归因生成
6.5.3 事实验证
6.5.4 生成模型微调
6.6 总结
第7章 常见RAG框架的实现原理
7.1 自省式RAG
7.1.1 实现原理
7.1.2 构建自省式RAG应用
7.2 自适应RAG
7.2.1 实现原理
7.2.2 构建自适应RAG应用
7.3 基于树结构索引的RAG
7.3.1 实现原理
7.3.2 树结构的特点
7.3.3 构建RAPTOR-RAG应用
7.4 纠错性RAG
7.4.1 实现原理
7.4.2 构建纠错性RAG应用
7.5 RAG融合
7.5.1 实现原理
7.5.2 构建RAG融合系统
7.6 基于知识图谱的RAG
7.6.1 实现原理
7.6.2 构建基于知识图谱的RAG应用
7.7 其他
7.7.1 RankRAG
7.7.2 RichRAG
7.8 总结
第8章 RAG系统性能评估
8.1 RAG评估指标
8.1.1 检索环节评估
8.1.2 生成环节评估
8.2 常见的RAG评估框架
8.2.1 TruLens框架
8.2.2 RAGAs框架
8.2.3 ARES框架
8.2.4 其他
8.3 总结
第四部分　RAG应用实例
第9章 企业级RAG应用实践
9.1 通用应用
9.1.1 智能文档问答
9.1.2 企业知识库智能搜索
9.1.3 智能客服系统
9.2 行业应用
9.2.1 RAG在金融行业的应用
9.2.2 RAG在医疗行业的应用
9.2.3 RAG在法律行业的应用
9.2.4 RAG在教育行业的应用
9.3 构建企业级RAG系统
9.3.1 用户认证