RAG（Retrieval-Augmented Generation，检索增强生成）是当前最主流的大模型落地技术之一，通过结合外部知识库，让大模型能够回答私有数据相关的问题，同时减少幻觉。
核心概念：
– 什么是 RAG，为什么需要 RAG
– RAG 工作原理：索引 -> 检索 -> 生成
– 向量数据库入门（Chroma / Pinecone / Milvus）
– Embedding 模型选择
– 文本分块策略
– 检索优化技巧（重排序、混合检索）
– 主流 RAG 框架（LangChain / LlamaIndex / Dify）
– 实战：搭建一个私有知识库问答系统
– 常见问题与优化方向
