从零到一 RAG 实战（bRAG）

说明：本系列以“代码为主、来源背书”为原则。所有实现均以 bRAG-langchain 的 notebooks 源码为准，语法/库用法仅放权威链接；若出现新的 RAG 设计模式且本站未覆盖，将在文末标注并提议纳入主文档。

目录

核心教程

• [1] 查询理解与转换

  • 查询重写、分解、扩展、HyDE等技术
  • 完整代码实现与最佳实践

• [2] RAG融合与高级查询技术

  • Multi-Query检索、RAG-Fusion
  • 查询融合策略与性能优化

• [3] RAG路由与查询构建

  • 逻辑路由、语义路由
  • Self-Query Retriever与元数据过滤

• [4] 高级索引与检索策略

  • 智能文档分块、多向量索引
  • 父文档检索、上下文压缩

• [5] 重排序与查询集成

  • 交叉编码器重排序、RRF融合
  • 多查询检索、混合检索

参考资料

• 参考资料汇总

快速开始（本地运行 notebooks）

macOS/Linux:

python3.11 -m venv venv
source venv/bin/activate
pip install -r bRAG-langchain/requirements.txt
python -m ipykernel install --user --name brag
jupyter lab  # 或 jupyter notebook

Windows:

py -3.11 -m venv venv
venv\Scripts\activate
pip install -r bRAG-langchain/requirements.txt
python -m ipykernel install --user --name brag
jupyter lab

约定

• 源码引用：优先展示“最小可复现代码块”，完整实现参考对应 notebook。
• 语法类内容：仅放权威链接（LangChain / OpenAI / Cohere 等）。
• 新设计模式：若本站未覆盖，将在各篇“新增模式”处标注，供纳入主文档评审。