（2025）图文解锁RAG从原理到实操

什么是RAG

RAG(检索增强生成)是一种将语言模型与可搜索知识库结合的方法，主要包含以下关键步骤：

数据预处理
- 加载：从不同格式(PDF、Markdown等)中提取文本
- 分块：将长文本分割成短序列(通常100-500个标记)，作为检索单元
检索系统构建
- embedding：使用embedding模型为每个文本块生成向量表示
- 存储：将这些向量索引到向量数据库中
- 可选-重排：结合关键词搜索构建混合搜索系统，并添加重排序步骤
查询处理流程
- 接收用户查询并评估其相关性
- 对查询进行嵌入，在向量库中查找相关块
生成输出
- 将检索到的相关内容与原始查询一起传递给LLM
- LLM根据这些上下文信息生成更准确、更符合事实的回答

RAG的核心价值在于通过非参数数据源为模型提供正确、具体且最新的信息，从而改进传统LLM的回答质量。

RAG vs 超长上下文

随着模型如Claude、GPT-4和Gemini 1.5等能够处理高达100万tokens甚至200万tokens的输入，业界开始思考一个关键问题：在如此长的上下文支持下，我们未来是否还需要检索增强生成(RAG)技术。

下表将会对比RAG与超长文本优缺点

特点	超长上下文	RAG技术	实际影响
成本	⚠️ 高	✅ 低	200万tokens API调用vs.数千tokens
安全性	⚠️ 全部暴露	✅ 按需暴露	敏感信息保护程度
检索精度	⚠️ 随文档长度降低，AI对更近的文本记忆力更好	✅ 相对稳定	问答准确率差异
容量限制	⚠️ 有上限(~200万tokens)	✅ 基本无限	可处理知识库规模

RAG综合实操

由于本系列已经提到有关RAG的各个细节理论与代码，因此这里有些细节不再重复。

RAG入门篇

环境准备

本机Ollama需要下载了模型ollama run deepseek-r1:7b

python 复制代码

# 安装必要依赖
pip install langchain langchain-community chromadb  beautifulsoup4  sentence-transformers langchain-ollama

一个RAG分为一下5个部分

加载: 通过 document_loaders 完成数据加载
分割: text_splitter 将大型文档分割成更小的块，便于索引和模型处理
存储: 使用 vectorstores 和 embeddings 模型存储和索引分割的内容
检索: 使用 RetrievalQA 基于用户输入，使用检索器从存储中检索相关分割
生成: llms 使用包含问题和检索数据的提示生成答案

python 复制代码

from langchain.document_loaders import WebBaseLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.vectorstores import Chroma
from langchain.embeddings import HuggingFaceEmbeddings
from langchain.chains import RetrievalQA
from langchain.prompts import PromptTemplate
from langchain.llms import Ollama
import os
os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'


loader = WebBaseLoader("https://blog.csdn.net/ngadminq/article/details/147687050")
documents = loader.load()

text_splitter = RecursiveCharacterTextSplitter(
    chunk_size=500,
    chunk_overlap=50
)
chunks = text_splitter.split_documents(documents)


embedding_model = HuggingFaceEmbeddings(
    model_name="BAAI/bge-small-zh"
)

vectorstore = Chroma.from_documents(
    documents=chunks,
    embedding=embedding_model,
    persist_directory="./chroma_db"
)

# 创建检索器
retriever = vectorstore.as_retriever()

template = """
根据以下已知信息，简洁并专业地回答用户问题。
如果无法从中得到答案，请说"我无法从已知信息中找到答案"。

已知信息：
{context}

用户问题：{question}

回答：
"""
prompt = PromptTemplate(
    template=template,
    input_variables=["context", "question"]
)

#
llm = Ollama(model="deepseek-r1:7b")  # 本地部署的模型


qa_chain = RetrievalQA.from_chain_type(
    llm=llm,
    chain_type="stuff",
    retriever=retriever,
    chain_type_kwargs={"prompt": prompt}
)


question = "图灵的论文叫什么？"
result = qa_chain.invoke({"query": question})
print(result["result"])