RAG

RAG 上下文组织：检索到的片段，怎样交给模型？

检索和精排之后，怎样把片段整理成模型能用的证据？从去重、长度预算、来源引用与资料边界出发，理解上下文组织怎样保住回答依据。

RAG 精排入门：找到片段后，怎样把更相关的内容排在前面？

理解 Rerank 如何联合评估问题与片段，区分召回、RRF 融合与模型精排，并从候选数量、输入截断、质量及延迟成本判断何时值得使用。

RAG 混合检索：关键词与向量如何配合

从算法术语与自然语言问法出发，理解 BM25 和向量检索怎样互补，用可复算的例子认识 RRF 排名融合，并区分召回、融合与精排的职责。

RAG 中的 Embedding：问题和文档怎样找到彼此？

文档切好以后，问题怎样找到相关片段？从同一份手册解释 Embedding、文档与查询编码、向量空间兼容，以及相似度为何不等于答案正确率。

RAG 分块策略怎么选：从固定长度到父子块

用同一份手册比较固定长度、递归和标题切分，解释语义切分的取舍，以及父子块为什么涉及检索范围。给出根据资料特点选择起步方案的方法。

RAG 分块入门：为什么要把文档切开，怎样避免切丢关键信息？

从“支持 PDF，却漏掉扫描件限制”的例子理解 RAG 分块，比较块过小、过大与保留完整语义的差别，认识来源信息、块大小和重叠的取舍。

RAG 入门：从一个知识库问答看懂检索增强生成

从一个知识库问答例子认识 RAG，分清文档离线入库与在线检索生成，并理解证据、引用和回答正确性的关系。