#资源与延伸阅读

向量库与嵌入 API 仍在迭代，以各项目官方文档为准。本课只固定原则：切块、嵌入、存储、检索 / 重排、评估。

---

#官方

pip install chromadb、psycopg + pgvector、qdrant-client 的字段以你安装的小版本为准；本教程对齐上述页面的主流写法（PersistentClient、<=>、upsert / query_points）。

---

#本站相关课程

中文路径不要加 .html / .md：

英文站在对应路径前加 /en，例如 /en/langchain/rag。

关系可以记成：本课讲「块去哪了」；LangChain / LlamaIndex / Dify 讲「同一流水线的产品 API」；Ollama / Hugging Face 提供嵌入模型；Postgres 承载 pgvector。

---

#本教程索引

1. RAG 教程
2. 简介
3. 流水线
4. 切块
5. Embeddings
6. Chroma
7. pgvector
8. Qdrant
9. 检索与重排
10. 评估
11. 实战案例

---

#推荐练习

1. 写 3 篇带虚构条款号的 Markdown，用 Chroma 问 10 个问题，算 hit@4
2. 同一语料换 text-embedding-3-small 与 Ollama bge-m3，不要混用向量
3. 在已有 Postgres 表上 ALTER TABLE ... ADD COLUMN embedding，按租户过滤查询
4. 给 Qdrant payload 加上 dept，确认过滤后工程文档不会出现在人事问题里
5. 用评估章的数字抽查脚本跑一遍模型回答，记下漏网的改写（「一周」vs「7 日」）

---

#贡献

本教程位于 垦荒学园 / Kenhuang Academy。API 变更请提 Issue 或 PR，同步更新 docs/zh/rag/ 与 docs/en/rag/。

---

#下一步

• RAG 教程首页
• 实战案例
• LangChain RAG