第 1 篇：专栏总览——RAG 检索增强生成实战系列学习路线与学习指南

本文为「从零到落地：RAG 检索增强生成实战系列」第 1 篇，完整系列持续更新中。

前言

本系列入口篇，帮你快速了解这个系列写什么、每篇讲什么、该怎么读。

RAG（检索增强生成）是当前大模型落地最主流的技术方案——简单说就是给大模型外挂一个知识库，让回答有据可查、有据可依。企业知识库问答、智能客服、私有数据检索、编程助手，背后都是 RAG 在驱动。

本系列从零开始，覆盖 RAG 的原理认知、技术选型、5 种主流实战方案、全链路优化、高阶变种，共 9 篇核心正文 + 持续拓展连载，目标只有一个：让你看完就能动手搭一个能用的 RAG 系统。

本篇学完你将掌握：

本系列完整学习路线和每篇文章内容概览
不同基础的读者该怎么高效学习
系列统一的环境和工具版本

一、专栏学习路线图

整个系列分为 5 大板块，推荐学习路线如下：

graph LR
    A["板块一：认知基础\n第1-2篇"] --> B["板块二：技术选型\n第3篇"]
    B --> C["板块三：框架实战\n第4-8篇"]
    C --> D["板块四：优化进阶\n第9篇"]
    D --> E["板块五：高阶拓展\n第10篇+"]

板块	篇目	核心目标	适合跳读？
板块一：认知基础	第 1-2 篇	搞懂 RAG 是什么、全流程怎么走	有基础可跳过
板块二：技术选型	第 3 篇	搞清楚我该用什么方案	强烈建议读
板块三：框架实战	第 4-8 篇	5 种主流方案逐个动手实现	按需求挑读
板块四：优化进阶	第 9 篇	跑通基础后，全链路优化到生产级	实战后必读
板块五：高阶拓展	第 10 篇+	GraphRAG、多模态、Agentic RAG 等变种	按需选读

二、全系列文章目录

每篇文章均包含内容摘要和跳转链接，点击标题可直接跳转到对应文章。

板块一：认知基础

篇目	标题	内容摘要	状态
第 1 篇	专栏总览（本篇）	系列地图，帮你规划学习路径	已完成
第 2 篇	RAG 核心原理拆解	用流程图和类比讲透 RAG 的完整技术链路：文档加载→文本分块→向量化→检索→生成。拆解每个核心组件（分块器、Embedding 模型、向量库、LLM、Prompt）的作用，分析基础 RAG 的优缺点，为后续增强技术埋伏笔	已完成

板块二：技术选型

篇目	标题	内容摘要	状态
第 3 篇	RAG 主流搭建方案与技术选型	深度对比四大搭建模式（低代码平台 / 代码框架自研 / 云端 SaaS / 私有化套件），每种讲清定义、代表产品、优缺点、适用场景。用一张能力档位表速览 10 种 RAG 变种，最后给出按场景推荐的选型决策表，帮你避免”选错方案浪费一周”	已完成

板块三：框架实战（5 种主流 RAG 实现）

5 篇文章覆盖 RAG 的 5 大主流实现路线：纯手写、低代码、代码编排、RAG 专用框架、私有化套件。每种路线挑一个最具代表性的工具完整实战。

篇目	标题	实现路线	内容摘要	状态
第 4 篇	原生 Python 手写最简 RAG	纯手写	不用任何框架，5 步手写一个完整 RAG：加载文档→文本分块→向量化→检索→生成。代码逐行注释讲解，帮你理解框架底层到底做了什么。末尾指出原生方案的缺陷，引出框架的价值	已完成
第 5 篇	Dify 社区版搭建 RAG	低代码平台	Dify 社区版本地部署实战：Docker 一键部署→模型接入（API + Ollama）→知识库搭建（三种分块策略 + 混合检索 + Rerank）→对话应用创建→API 调用与外部系统集成。零代码可视化操作，从部署到上线完整走一遍，最后总结 Dify 优缺点和适用边界	已完成
第 6 篇	LangGraph 代码编排 RAG	代码编排框架	LangGraph 状态机 + 图编排实战：四个核心概念（State/Node/Edge/条件边）→ 基础 RAG 双节点图（检索+生成）→ MemorySaver 多轮对话记忆 → 条件路由 + 质量评估 + Query 改写自我修正 → RAG + Agent 工具调用融合 → 与 Dify 详细取舍对比。完整代码逐行讲解	已完成
第 7 篇	LlamaIndex 实现 RAG	RAG 专用框架	LlamaIndex 专为 RAG 设计的框架实战：4 行代码跑通基础 RAG → 核心概念深入（Documents/Nodes/Index/QueryEngine）→ 进阶配置（5+ 分块器 + 混合检索 + Reranker）→ ChatEngine 多轮对话 → Agent 工具调用 + CSV 结构化查询 → 与 LangGraph 框架选型对比。API 最简洁，RAG 场景效率最高	已完成
第 8 篇	RAGFlow 私有化套件实战	私有化套件	RAGFlow 一体化开源 RAG 系统，Docker Compose 一键私有化部署。完整实战：部署→模型接入（API + 本地 Ollama）→深度文档解析（PDF/表格/图片，支持 DeepDoc/MinerU/Docling）→知识库搭建→RAPTOR 层次化摘要索引→Agent 工作流→API 调用。末尾与 Dify 做平台选型对比	规划中

板块四：优化进阶

篇目	标题	内容摘要	状态
第 9 篇	RAG 全链路增强技术	五维增强体系（查询/索引/检索器/生成器/管道），14 种增强策略全覆盖：假设问题法、HyDE、子查询分解、回溯提示、自动合并、分层索引、混合检索+Rerank、句子窗口、元数据过滤、提示压缩、块顺序调整、自我反思、查询路由。从基础到生产的三级配置方案	已完成

板块五：高阶拓展（持续更新）

高阶变种和拓展主题，每个独立成篇，按需学习。

方向	主题	内容摘要	状态
高阶变种	GraphRAG 从零实现	用知识图谱增强 RAG：实体抽取、图谱构建、向量 + 图谱混合检索	规划中
高阶变种	多模态 RAG 实战	图文、表格、PDF 混合检索问答：OCR、多模态 Embedding、布局分析	规划中
高阶变种	Agentic RAG	让 Agent 自主决定检索策略，Agent + RAG 深度融合	规划中
高阶变种	AutoRAG 自动化调优	自动分块策略、Prompt 优化、效果评估、版本迭代	规划中
高阶变种	实时 RAG	数据增量更新 + 流式问答，对接业务数据库近实时刷新	规划中
高阶变种	Code RAG	代码仓库检索与编程助手，代码分词、语法感知分块	规划中
其他框架	原生 LangChain 实现 RAG	对比 LangGraph，讲清两者的差异和适用场景	规划中
其他套件	FastGPT 搭建知识库	对比 Dify / RAGFlow，讲清各平台的差异和适用场景	规划中
工程化	生产部署与运维	RAG 容器化部署、性能压测、监控告警	规划中
工程化	常见问题踩坑汇总	幻觉、检索失效、分块不合理等典型问题排查与解决	规划中
工程化	RAG 性能压测与优化	检索速度优化、并发调优、吞吐量测试	规划中
特殊场景	离线纯本地 RAG	全栈本地模型，无公网 API，断网环境运行	规划中
特殊场景	百万级文档海量 RAG 优化	分库、分片、分布式检索策略	规划中
高阶融合	LangGraph + Dify 混合方案	两者结合的混合架构设计与实现	规划中
高阶融合	RAG + Agent 复杂业务实战	RAG + 函数调用 + Agent 处理复杂业务流程	规划中

三、学习建议

不同背景的读者，推荐不同的学习路径：

路径一：零基础新手（推荐完整学习）

1	第 1 篇（本篇）→ 第 2 篇（原理）→ 第 3 篇（选型）→ 第 4 篇（手写 RAG）→ 第 5 篇（Dify）→ 第 6 篇（LangGraph）→ 第 9 篇（优化）

从头到尾建立完整认知，先理解原理再动手，最后学优化。

路径二：有基础，想快速上手

1	第 3 篇（选型）→ 挑一篇你最想学的实战篇（第 5/6/7/8 篇）→ 第 9 篇（优化）

跳过原理和手写入门，直接从选型开始，选完方案直接实战。

路径三：架构师 / 技术负责人

1	第 3 篇（选型）→ 第 9 篇（优化）→ 按需学习实战篇

重点看选型决策和优化策略，实战篇作为参考按需翻阅。

路径四：只想学某个工具

直接跳到对应实战篇：

想学的工具	推荐学习
Dify	第 5 篇
LangGraph	第 6 篇
LlamaIndex	第 7 篇
RAGFlow	第 8 篇

💡 建议：不管哪条路径，第 3 篇（选型篇）都建议读一下，能帮你避免”选错方案浪费一周”的情况。

四、前置知识与环境准备

4.1 知识储备要求

前置知识	需要掌握的程度	零基础怎么办
Python	会写函数、会用 pip 装包	先花 2-3 小时过一遍 Python 基础教程
大模型概念	知道 Token、Prompt、API 调用是什么	第 2 篇会做基础科普
向量基础	知道”向量”是用来表示语义的数字数组即可	第 2 篇会讲清楚
Docker	会基本命令即可（部分实战篇用到）	遇到时再学，不影响前面内容

4.2 统一环境版本

环境项	版本	说明
Python	3.11	当前主流稳定版本，兼容性好
pip	最新版	安装前先 `python -m pip install --upgrade pip`
Docker	24.0+	Dify、RAGFlow 部署需要，其他篇可选
操作系统	Windows / macOS / Linux 均可	命令差异处会单独标注

4.3 测试文档集

系列所有实战篇统一使用同一组测试文档进行演示，方便你在不同方案之间做效果对比：

一份产品介绍文档（PDF）
一份 FAQ 问答文档（Markdown）
一份包含表格的技术规格文档

💡 提示：测试文档会在第 4 篇（原生 Python 实战）首次出场时提供，后续各篇复用。

总结与回顾

要点	总结
本系列覆盖范围	原理→选型→5 种实战→优化→高阶变种，全链路 9 篇 + 拓展连载
核心定位	全链路覆盖、代码可运行、有踩坑记录、每篇独立可读
统一环境	Python 3.11、Docker 24.0+
学习建议	新手顺序学、有基础跳选型+实战、架构师重点看选型+优化

下篇预告

第 2 篇：RAG 核心原理拆解 —— 用流程图和类比讲透 RAG 的完整技术链路，不堆公式，看完你就能画出 RAG 的完整数据流。

本文为「从零到落地：RAG 检索增强生成实战系列」第 1 篇，完整系列持续更新中。