在大模型逐渐成为智能系统核心引擎的今天，检索增强生成（RAG）技术为解决模型的知识盲区以及提升响应准确性提供了关键性的解决方案。本书围绕完整的RAG系统生命周期，系统地拆解其架构设计与实现路径，助力开发者和企业构建实用、可控且可优化的智能问答系统。
首先，本书以“数据导入—文本分块—信息嵌入—向量存储”为主线，详细阐述了从多源文档加载到结构化预处理的全流程，并深入解析了嵌入模型的选型、微调策略及多模态支持；其次，从检索前的查询构建、查询翻译、查询路由、索引优化，到检索后的重排与压缩，全面讲解了提高召回质量和内容相关性的方法；接下来，介绍了多种生成方式及RAG 系统的评估框架；最后，展示了复杂RAG范式的新进展，包括GraphRAG、Modular RAG、 Agentic RAG和Multi-Modal RAG的构建路径。
本书适合AI研发工程师、企业技术负责人、知识管理从业者以及对RAG系统构建感兴趣的高校师生阅读。无论你是希望快速搭建RAG系统，还是致力于深入优化检索性能，亦或是探索下一代AI系统架构，本书都提供了实用的操作方法与理论支持。
