参考资料（按篇章汇总）

[1] 基础设置 sources

1. LangSmith 文档：https://docs.smith.langchain.com/
2. RAG 快速开始：https://python.langchain.com/docs/tutorials/rag/
3. 计算 Token：https://github.com/openai/openai-cookbook/blob/main/examples/How_to_count_tokens_with_tiktoken.ipynb
4. OpenAI 嵌入：https://python.langchain.com/docs/integrations/text_embedding/openai
5. 余弦相似度 FAQ：https://platform.openai.com/docs/guides/embeddings/frequently-asked-questions
6. 文档加载器：https://python.langchain.com/docs/integrations/document_loaders/
7. 递归切分：https://python.langchain.com/docs/how_to/recursive_text_splitter/
8. 向量库汇总：https://python.langchain.com/docs/integrations/vectorstores/
9. RAG 链：https://python.langchain.com/docs/how_to/sequence/

[2] 多查询 sources

1. LangSmith 文档：https://docs.smith.langchain.com/
2. MultiQueryRetriever：https://python.langchain.com/docs/how_to/MultiQueryRetriever/
3. RAG Fusion Cookbook：https://github.com/langchain-ai/langchain/blob/master/cookbook/rag_fusion.ipynb
4. 博文：Forget RAG, the future is RAG-Fusion：https://medium.com/towards-data-science/forget-rag-the-future-is-rag-fusion-1147298d8ad1
5. 相关论文：
   • Least-To-Most Prompting：https://arxiv.org/pdf/2205.10625.pdf
   • IRCoT：https://arxiv.org/abs/2212.10509
   • Take A Step Back：https://arxiv.org/pdf/2310.06117.pdf
   • HyDE：https://arxiv.org/abs/2212.10496
6. HyDE Cookbook：https://github.com/langchain-ai/langchain/blob/master/cookbook/hypothetical_document_embeddings.ipynb

[3] 路由与结构化查询 sources

1. LangSmith 文档：https://docs.smith.langchain.com/
2. Routing 文档：https://python.langchain.com/docs/how_to/routing/
3. Trace 示例1：https://smith.langchain.com/public/c2ca61b4-3810-45d0-a156-3d6a73e9ee2a/r
4. Trace 示例2：https://smith.langchain.com/public/98c25405-2631-4de8-b12a-1891aded3359/r
5. Query Construction 博文：https://blog.langchain.dev/query-construction/
6. KG in RAG 博文：https://blog.langchain.dev/enhancing-rag-based-applications-accuracy-by-constructing-and-leveraging-knowledge-graphs/
7. Query Analysis 文档：https://python.langchain.com/v0.1/docs/use_cases/query_analysis/
8. Self-Query 文档：https://python.langchain.com/docs/how_to/self_query/

[4] 索引与高级检索 sources

1. 文档切分视频（Greg Kamradt）：https://www.youtube.com/watch?v=8OJC21T2SL4
2. LangSmith 文档：https://docs.smith.langchain.com/
3. 半结构化/多模态 RAG：https://blog.langchain.dev/semi-structured-multi-modal-rag/
4. Multi-Vector 检索：https://python.langchain.com/docs/how_to/multi_vector/
5. Dense X Retrieval 论文：https://arxiv.org/abs/2312.06648
6. Parent Document Retriever：https://python.langchain.com/docs/how_to/parent_document_retriever/
7. 高级检索视频：https://www.youtube.com/watch?v=jbGchdTL7d0
8. RAPTOR 论文：https://arxiv.org/pdf/2401.18059
9. RAPTOR 实现：https://github.com/langchain-ai/langchain/blob/master/cookbook/RAPTOR.ipynb

[5] 检索与重排序 sources

1. LangSmith 文档：https://docs.smith.langchain.com/
2. Cohere ReRank 文档：https://txt.cohere.com/rerank/
3. Cohere Rerank 指南：https://python.langchain.com/docs/integrations/retrievers/cohere-reranker#doing-reranking-with-coherererank
4. CRAG 深入视频：https://www.youtube.com/watch?v=E2shqsYwxck
5. LangGraph CRAG Notebook：https://github.com/langchain-ai/langgraph/blob/main/examples/rag/langgraph_crag.ipynb
6. LangGraph RAG 示例聚合：https://github.com/langchain-ai/langgraph/tree/main/examples/rag
7. 长上下文影响视频：https://www.youtube.com/watch?v=SsHUNfhF32s
8. Slides：https://docs.google.com/presentation/d/1mJUiPBdtf58NfuSEQ7pVSEQ2Oqmek7F1i4gBwR6JDss/edit#slide=id.g26c0cb8dc66_0_0