RAG 实践笔记（demo）

为什么先做检索

检索增强的核心不是"把大模型接上向量库"，而是先把语料整理成可检索的单元。 切分策略、元数据、评测集三者决定了上限。

这是一段引用：先定评测，再调参数。

切分

1. 按语义边界切分，而不是固定字符数。
2. 每个 chunk 带上来源与时间，便于回溯。
3. 保留标题层级，作为检索时的上下文。

一个最小召回示例

def recall(query, chunks, k=5):
    scored = sorted(chunks, key=lambda c: score(query, c), reverse=True)
    return scored[:k]

评测指标

图片会被站点剥离

下面的图片语法在同步时会被剥离，只保留 alt 文本（并记录一条 warning）：

流程图：离线索引与在线检索

脚注

站点支持脚注语法，例如评测集的构造方式¹。

小结

把 Markdown 放在 content/site/ai/ 下，执行 python manage.py sync_content， 或登录后在 /manage/upload/ 上传，即可在站点上看到渲染结果。