RAG教程

1. 01第一部分：资料文本处理与数据清洗

   1. 01确定资料范围并建立工作目录
   2. 02处理资料格式：PDF、表格和流程图
   3. 03为正文整理并添加元数据
   4. 04检查资料处理结果与内容完整性
2. 02第二部分：知识库搭建

   1. 01准备运行环境并建立工作目录
   2. 02设计文档 ID、Chunk ID 和元数据
   3. 03选择 Embedding 模型并完成配置
   4. 04将处理后的知识文件切分为 Chunk
   5. 05创建 Qdrant Collection 并配置索引
   6. 06为 Chunk 生成向量
   7. 07将 Chunk、向量和元数据存入 Qdrant
   8. 08设计图谱实体类型与关系规则
   9. 09从 Chunk 中抽取实体和关系
   10. 10写入 Neo4j，建立约束与索引
   11. 11验收知识库入库结果并维护更新
3. 03第三部分：检索搭建与大模型输出

   1. 01准备运行环境并配置模型
   2. 02接收问题并整理检索输入
   3. 03确定检索范围与检索路线
   4. 04建立 Qdrant 向量检索模块
   5. 05按需增加关键词检索与混合检索
   6. 06建立 Neo4j 图谱检索模块
   7. 07合并检索结果并去重
   8. 08使用 Rerank 对候选内容重新排序
   9. 09组装交给大模型的上下文
   10. 10配置提示词并生成回答
   11. 11串联 RAG 模块，返回回答与来源
   12. 12测试完整流程并持续调整

核心流程资料清洗 → 知识库构建 → 检索与生成 → 测试迭代

图片预览

先查看资料页面与实际内容样例，再决定是否需要。