标签: RAG

RAG 工程化实战:分层评估、查询转换、分块与 Agentic 实现

RAG 学习 Day 2 下半部分。
关键字:分层评估 / MRR vs MAP / 忠实度 / 查询转换 5 方法 / Step-back / 自适应 RAG / 分块策略 / Rerank / CRAG / Agentic RAG 实现。

📌 写在前面

上一篇讲了 RAG 的五种范式和演进。但范式只是"选哪条路"。

真正决定效果的是路上怎么走。

我把这部分过了一遍，最大的感受是：

RAG 的效果问题，90% 不是"要不要上 GraphRAG"，而是"你能不能定位是哪一层坏了"。

这篇讲工程化的四件事：

分层评估 —— 定位问题出在哪一层
查询转换 —— 5 种方法怎么选
分块策略 —— 唯一没有 ground truth 的环节
Agentic RAG 实现 —— 自主决策的约束机制

Mr.Sun2026年10月14日...大约 37 分钟

RAG 基础与五种范式演进:从链式检索到自主决策

RAG 学习 Day 1-2 上半部分。
关键字:RAG 五组件 / Naive → Advanced → Modular → Graph → Agentic / GraphRAG / Leiden 社区检测 / Local vs Global / 范式选型决策树。

📌 写在前面

RAG 这两个字现在有点被用滥了。什么"我们做了 RAG 系统"，什么"RAG 落地最佳实践"，翻开一看全是"文档切块 → 向量化 → 检索 → 拼 prompt"。

这套四步流程没错，但它只是起点。

我花了两天把 RAG 的五种范式过了一遍（Naive / Advanced / Modular / Graph / Agentic），最大的感受是：

RAG 不是一种技术，是一条谱系。选错范式的代价，比调错参数大 10 倍。

这篇讲基础和范式演进。工程化那部分（分层评估 / 查询转换 / 分块策略 / Agentic RAG 实现）单独一篇。

Mr.Sun2026年10月14日...大约 23 分钟

Agent 测评 5 个关键概念：从 LLM 评估到 Multi-Agent 评测体系

接 Phoenix + AI Agent 行为监控：那篇讲"怎么用 Phoenix 看 Agent 调用"——**本篇讲"为什么 Agent 测评比 LLM 测评难 10 倍" + 5 大测评维度 + Multi-Agent 评测体系。从 NL2API/NL2SQL/NL2CODE → 记忆 → 规划 → Multi-Agent 协作 → 实战实践。