2026-W43 Advanced RAG 与向量数据库学习小记

# 本周目标

• 跑通一条最小的 RAG 链路，理解各环节的输入输出

# 做了什么

• 用 LangChain 实现文档切分 → embedding → 向量检索 → 生成
• 对照 AgentGuide 学习路线 划出后续要补的模块

# 结论与数据

• 召回质量对最终答案的影响远大于 prompt 微调
• 切分策略（chunk size / overlap）需要按文档类型分别调

# 问题与讨论点

1. RAG 方向还有哪些值得读的论文？
2. 生产环境里向量库选型更看重什么：召回率、延迟还是运维成本？

# 下周计划

• 学习 Advanced RAG（查询改写、重排、混合检索）
• 调研生产级向量数据库的选型