结构化记忆与知识索引的来源和权限
用主体、时间、来源和修订表达记忆，比较文本、关系、摘要树与 GraphRAG 的检索任务和验证方式。
已核验
TOPIC / rag
检索增强
从相关笔记、实验和原始资料开始，建立自己的理解。
笔记与实验
RAG 综合项目：任务拆解与验收清单
围绕自制知识库完成检索、生成、权限、更新、评估和交付，明确每阶段应提供的证据。
已核验
Embedding 与向量检索：表示、相似度和索引
理解文本向量、距离、归一化与近似检索，避免把相似度分数当作事实置信度。
已核验
RAG 文档管线：解析、清洗、切片与版本
保留文档结构、来源位置和可见范围，让入库、更新、删除与引用形成闭环。
已核验
RAG 检索：召回、混合搜索与重排
拆开候选召回和精排，理解关键词、向量、过滤、查询改写与 top-k 的代价。
已核验
动手实验：关键词检索会漏掉什么
在 3 条自写语料、5 个固定查询上比较精确与规范化匹配。修复大小写和全角字符后，同义表达依然未命中。
已核验
检索增强 RAG：让答案回到证据
把检索、生成和引用检查分开。找到一段相关文本只是起点，还需要判断它能否支持答案以及何时应该不作答。
已核验
原始资料
LLM Zoomcamp 实战：RAG、评估与监控
从检索和工具调用到完整应用、评估、监控与项目文档，作为应用工程练习参考。
DataTalks.Club 课程贡献者
Datawhale LLM Universe：中文 RAG 入门
文档读取、清洗、切片、向量库、问答与评估。选取具体章节作为学习依据，保留 GitHub 快照与复用边界。
datawhalechina 及课程/项目贡献者
RAG 原始论文：检索与生成怎样结合
回到 Retrieval-Augmented Generation 的研究来源，区分论文架构、应用中的资料问答流程和个人实践推断。
Patrick Lewis 等