---
title: RAG 实践笔记（demo）
category: ai
slug: demo-rag-notes
tags: [rag, 检索增强, demo]
summary: 一份用于本地演示的 Markdown 示例，上线前请删除。
publish_at: 2026-10-20T09:00:00+08:00
status: published
pinned: true
---

# 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

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

## 评测指标

| 指标 | 含义 | 目标 |
| --- | --- | --- |
| Recall@k | 前 k 个结果是否覆盖答案 | > 0.8 |
| MRR | 首个正确结果的平均倒数排名 | > 0.6 |

## 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](diagram.png)

## 脚注

站点支持脚注语法，例如评测集的构造方式[^eval]。

[^eval]: 先用人工标注 50 条问答对，再逐步扩充。

# 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。