rag-demystified

收录理由

如果你用过 LlamaIndex 或 Haystack，却始终好奇自己提交的查询到最终答案之间到底发生了什么，这个项目能帮你把那些黑盒彻底打开。作者在 EvaDB 之上用纯 Python 重新实现了高级 RAG 管道的各个关键环节，并附带一个可运行的示例，针对一组关于城市的维基百科文章回答复杂问题。全书最核心的观点是：从决定该拆出哪些子问题、每个子问题交给哪个数据源，到在向量检索和摘要检索之间做取舍，这些看上去很“高级”的机制，本质上都只是精心设计的 LLM 提示词模板，并不存在框架背后的魔法。仓库还如实讨论了高级 RAG 的代价和容易出错的环节，这正是开发者在生产环境信任某个框架抽象之前最需要的那层透明度。对于正在评估 RAG 工具的技术团队，或者想彻底搞懂子问题查询引擎原理的自学者来说，这是一份简洁、可直接运行的重要参考。