RAG Resources

Knowledge

• Paper: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks Lewis 等人在 2020 年提出的 RAG 论文，建立“参数化记忆 + 非参数化检索记忆”的基本系统模型。用于理解 RAG 为什么存在，以及检索和生成如何协作。
• Book: Introduction to Information Retrieval Stanford 信息检索教材，覆盖倒排索引、评分、评测和搜索系统基础。用于建立不依赖某个框架的检索思维。
• Paper: Billion-scale similarity search with GPUs FAISS 的基础论文，讨论大规模向量相似搜索及其工程权衡。用于理解向量检索的规模问题。
• Paper: Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs HNSW 原始论文，解释图索引如何在召回率、查询速度和内存之间取舍。用于理解常见 ANN 索引的原理。
• Qdrant Documentation: Concepts 以 collection、point、payload、filter 和 search 为主线介绍向量数据库概念。用于后续动手实验和概念对照。
• Milvus Documentation: Index Explained 官方索引说明，适合比较 FLAT、IVF、HNSW 等索引族及其参数。
• MTEB Leaderboard 基于公开基准比较 embedding 模型。用于模型选择时建立“先看任务和评测，再看宣传”的习惯。
• 微信公众号：AI Agent 面试题：RAG 的完整流程，怎么和 Agent 结合？ 用户提供的工程实践文章，梳理标准 RAG 的 query、检索、上下文、生成四步，并介绍将检索封装为 Agent 工具的 Agentic RAG。用于补充多轮检索、查询改写和停止条件；不替代 RAG 原始论文和正式评测资料。
• 微信公众号：AI Agent 面试题：Chunking 怎么切、Embedding 怎么选，才决定 RAG 的上限 用户提供的工程实践文章，讨论固定长度、结构感知、语义切分、overlap 和 embedding 选型。用于补充 chunking 与 embedding 的联动调参；其中经验参数需要用自己的数据集验证。

Wisdom (Communities)

• Hugging Face Forums: Natural Language Processing 适合查找 embedding、检索模型和评测实践中的具体问题；提问时应附最小复现和指标。
• Qdrant Community 官方社区入口，适合在完成基础实验后讨论向量数据库的部署、索引和性能问题。

Gaps

• 中文企业知识库的切分、权限过滤和时效性评测，需要在课程项目中用真实数据补足。
• 不同向量数据库的运维成本和云服务价格会变化，进入部署阶段再按具体方案核验。