RAG Pipeline | RAG 问答流程

Build a minimal RAG (retrieval-augmented generation) pipeline that answers questions from your own documents with citations.

让模型基于你自己的文档作答并给出出处。

When to use | 适用场景

• 用户想「让 AI 读我的文档然后问答」
• 需要比纯 prompt 更可靠的、可溯源的答案

Workflow | 工作流程

1. 收集源文档，按 ~500–1000 字切块（chunk）。
2. 选 embedding 模型，把每块转成向量。
3. 用内存向量库（如 chromadb / faiss，无需密钥）建索引。
4. 检索：把问题转向量，取 top-k 相关块。
5. 生成：把检索块 + 问题拼进 prompt，要求带出处引用。

Tips | 提示

• chunk 大小和 overlap 直接影响效果，先调这两个参数。
• 检索不到相关内容时让模型明确说「文档里没有」，不要硬答。