RAG 应用开发与实战手册
本书是一部系统而实用的 RAG 技术应用指南，面向具有云原生背景的开发者、工程师和架构师，覆盖从 RAG 基础概念到企业级应用部署的全过程。它不仅详细介绍了 LLM、RAG 等核心技术，还涵盖了提示词工程、向量数据库、模型部署优化等实际应用场景。
本书相关的示例代码已经开源在 GitHub 上：https://github.com/rootsongjc/rag-chatbot，读者可以参考本书内容和示例代码运行 demo，更好地理解和实践 RAG 技术。
本书内容包括：
- RAG 基础与原理：系统讲解 RAG（检索增强生成）的基本概念、技术原理与发展历程。
- 大模型与知识库构建：介绍主流开源大模型、知识库设计、数据预处理与向量化方法。
- RAG 系统架构设计：深入剖析云原生环境下的 RAG 架构模式、组件选型与部署方案。
- 提示词工程与优化：实战提示词设计、上下文增强、模型效果调优。
- 开发者工具链：介绍常用开发工具、测试方法与自动化流程。
- 最佳实践与避坑指南：开发知识库 RAG 和聊天机器人的最佳实践、常见问题及解决方案。
- 附录：资源索引、术语表与参考资料。
本书内容兼顾理论与实操，帮助读者系统掌握 RAG 技术的全流程开发与应用落地。无论你是 RAG 初学者还是有经验的开发者，本书都能为你提供系统的知识体系和实用的开发指导。本书更结合作者作为开发者布道师的丰富实践经验，总结出一系列可落地的最佳实践和避坑指南。
无论你是初次接触 RAG 技术的开发者，还是希望将 RAG 能力集成到现有云原生架构中的工程师，这本手册都将帮助你掌握 RAG 应用开发的全部核心能力，并构建出高效、可靠、可维护的 RAG 服务系统。
章节目录
构建基于 RAG 技术的智能聊天机器人概述。
RAG 的基础与工作流程概述。
RAG 聊天机器人的技术栈与架构概览。
从内容接入到检索与回答生成的端到端架构与章节导航入口。
构建 RAG 聊天机器人的开发环境设置。
如何收集并准备知识库。
规范化向量条目字段 (schema)、索引组织、删除策略与容量规划，支撑稳定的检索与演进。
实现文本向量化与嵌入生成的过程。
讲解 Hugo Markdown 从文件到分块、嵌入、元数据与批量 Upsert 的完整向量化映射流程。
比较 Gemini 与 Qwen 嵌入接口的批量特性、并发策略、维度规整、错误恢复与性能调优方法。
使用 Cloudflare Vectorize 构建向量数据库
详解如何使用 Cloudflare Vectorize 构建 RAG 系统的向量数据库
实现高效检索系统以提升用户体验。
解析从查询向量到多阶段语言过滤、回退策略、元数据加工与上下文构建的完整检索流水线。
集成大语言模型以提升聊天机器人回答质量。
讲解从检索结果到提示词构建再到大模型生成最终回答的完整流水线与关键函数。
开发和优化聊天机器人的智能对话逻辑。
追踪 language 标记从客户端检测到检索、提示词构建与回答返回的全链路传递、过滤、回退及改进点。
指导如何从旧向量数据结构迁移到新批量高并发 Ingest 流程，涵盖动因、步骤、性能指标、风险与优化建议。
设计和实现用户友好的聊天机器人界面。
使用 Cloudflare 提升系统性能和可靠性。
确保系统稳定性和用户满意度的重要手段。
RAG 聊天机器人常见问题与解决方案。
AI 和 RAG 相关术语解释。