既然更新，说明咖哥今年（2026年）又要开始放大招了。——新书（Agent架构相关的）3月份即将问世——（大作）敬请期待！
这篇文章复习一下RAG。《RAG实战课》问世半年，销量有增无减，口碑逐渐积累。看来，朋友们正逐渐意识到这本书的真正价值。
我个人观点，这本书精华中的精华，不在于技术总结的全，不在于语言轻松，而是书封底的那张体系框架图。是真的提纲挈领，真的深入浅出。
这张图，佳哥真是用心了
今天这一篇，我不讲案例、不讲代码、不讲某个框架的用法。
我只做一件事：
把这张图，从“看起来复杂”，讲到“你知道它为什么必须长这样”。
先说一句狠话
如果你觉得 RAG 是：
向量库 + Embedding
- 检索几段文本 + 丢给 LLM
- 能跑就行
那你现在看到的大多数 RAG 系统，在规模一上来时，都会失效。
不是模型不行，是结构没搭完。
而这张图，讲的就是：
一个 RAG 系统，从“能用”，到“可扩展、可评估、可演化”，到底需要哪些结构层。
第一层：数据不是从“文本”开始的
很多人一上来就聊向量库，其实顺序是反的。
真正的起点在最底部：数据导入与文本分块。
你会看到这里不是一句“切 chunk”，而是：
- 按字符 / 句子 / 语义的分块策略
- 父子文档索引
- 分层索引（RAPTOR）
- 多表示索引
为什么？
因为检索失败，80% 不是检索算法的问题，是切块阶段就已经丢信息了。
如果你在这一层没有“结构意识”，
后面所有高级技巧，都是在补锅。
第二层：Embedding 从来不是一个模型的问题
中间这一大块，是很多人最容易误解的地方。
Embedding 不是只有一个向量。
你会看到：
- 稠密向量（OpenAI / bge / jina）
- 稀疏向量（TF-IDF / BM25）
- 专用嵌入（Fine-Tuning / ColBERT）
为什么要这么复杂？
因为现实世界的检索，本来就不是一个相似度空间。
关键词、语义、领域信号，本来就不在同一个空间里。
真正可用的系统，一定是混合表示。
第三层：索引与向量库只是“物理层”
很多人把 FAISS、Milvus、HNSW 当成核心。
但在这张图里，它们被刻意画得很“靠后”。
因为它们解决的只是一个问题：
怎么快。
而不是：
怎么对。
索引策略（父子、分层、多表示），
远比你选哪种向量库重要。
第四层：真正开始像「系统」的地方——查询侧
图左上角，是整个系统的灵魂。
你会看到四件事同时出现：
- 查询构建
- 查询优化
- 查询路由
- HyDE / 主动检索
这一步意味着什么？
意味着系统已经不再是：
“用户问一句，我搜一遍”。
而是：
系统开始“理解该怎么问世界”。
第五层：检索后处理，决定答案质量上限
中间偏右那一块，是很多 Demo 系统里完全没有的东西。
- 重排（Rerank / Cross-Encoder / ColBERT）
- 压缩（相关性 + 冗余控制）
- 校正（CRAG）
- 主动补查
这一层解决的是：
不是有没有搜到，而是“哪些值得被看见”。
如果没有这一层，
你永远会觉得：
“有点对，但总差点意思”。
第六层：生成不只是“丢给模型”
右下角的生成部分，我刻意没有画成一个大脑就结束。
你会看到：
- 提示工程
- 结构化输出（Pydantic / JSON Schema）
- 工具调用
- Self-RAG / RRR
- 主动再检索
这意味着一件事：
生成，本身也是一个可以被设计、被反思的过程。
第七层：评估，是系统是否“工程化”的分水岭
最右侧那一列，是很多人最不想做、但最重要的。
- Precision / Recall / F1
- MRR / MAP
- BLEU / ROUGE / METEOR
- 忠实度 / 安全性
有没有这一列，决定了：
你是在做 Demo，
还是在做系统。
那这张图，到底是什么？
它不是教程目录。
也不是技术大全。
它是一张工程演化图。
它回答的不是：“你现在该用什么技术”，
而是：“一个 RAG 系统，迟早会走到哪些结构层”。
AI时代，未来的就业机会在哪里？
答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。
掌握大模型技能，就是把握高薪未来。
那么，普通人如何抓住大模型风口？
AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。
因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！
由于篇幅有限，有需要的小伙伴可以扫码获取！
1. 成长路线图&学习规划
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。
2. 大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）
3. 大模型视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
4. 大模型项目实战
学以致用，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
5. 大模型行业报告
行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
6. 大模型面试题
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
为什么大家都在学AI大模型？
随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。
同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！
这些资料有用吗？
这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
大模型全套学习资料已整理打包，有需要的小伙伴可以
微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】
