RAG 应用开发与实战手册：构建长期复利型知识基础设施

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