用 Python 构建 RAG 系统：代码全流程

这套教程讲什么

用 Python 从代码层面还原 RAG 系统的每个细节：先快速回顾原理，再交代代码地址与工具准备、搭好项目环境，然后逐步写代码把检索与生成串起来。视频偏动手实现，适合看过 RAG 概念、想用代码把链路真正跑通一遍的开发者。

你会学到什么

• 先回顾 RAG 原理再交代代码与工具准备
• 演示向量库等依赖的项目环境搭建
• 逐行写代码串起检索与生成的链路

适合谁

适合有 Python 基础、读过 RAG 介绍但没自己实现过，想从环境到代码完整跑一遍的开发者。

学习建议

建议提前准备好视频里给出的代码仓库并配好虚拟环境，跟着顺序敲，重点看文档如何切片、入库和被检索回来。

常见问题

一个最小 RAG 系统包含哪些环节？

离线阶段把文档切分、向量化后存入向量库；在线阶段把用户问题也向量化，检索出最相关的片段，连同问题一起拼进提示交给模型生成答案。关键不在模型多强，而在检索回来的内容是否真的相关。

文档切分粒度怎么选比较合适？

切片太大容易混入无关内容、浪费上下文，太小又可能拆散完整语义。通常按语义段落切，并在相邻块之间留一点重叠，再用实际提问测召回效果反复调整，比直接套一个固定字数更可靠。