AI 实战教程
RAG 知识库入门教程
第一版不要求你写代码。先用一小组真实文档和问题，验证系统能否找到正确资料、给出引用并减少人工查找时间。
适合谁
先确认这个教程适合你
- 需要整理公司制度或产品资料的团队
- 想做 PDF 问答或行业助手的人
- 准备评估 AnythingLLM、RAGFlow 或 Open WebUI 的人
你需要准备什么
开始前的最小准备
- 选择 5-20 份结构相对清晰、允许用于测试的文档。
- 写出 10 个业务人员真实会问的问题，并准备可核对的标准答案。
- 先定义成功标准，例如答案正确、引用来源可打开、平均查找时间下降。
步骤结构
按顺序跑通最小闭环
工具界面和命令可能更新。涉及安装与模型名称时，以当前官方文档为准。
- 01
1. 准备文档
优先使用最新、结构清楚的制度、说明书或 FAQ，不要一开始导入整个网盘。
- 02
2. 切分文本
把长文拆成语义完整的小段。过大不容易命中，过小又会失去上下文。
- 03
3. 生成 Embedding
把文档片段转换成可比较语义相似度的数字表示。
- 04
4. 存入向量数据库
保存向量、原文和来源信息，方便后续按问题检索。
- 05
5. 用户提问
把自然语言问题转换成检索请求，而不是直接让模型凭记忆回答。
- 06
6. 检索相关内容
找出最接近问题的几个片段，并根据权限、时间或文档类型过滤。
- 07
7. 交给 LLM 回答
要求模型只根据找到的资料回答，信息不足时明确说不知道，并附上来源。
常见问题
第一次跑不通时先检查这些
文档质量差
先删除过期、重复和扫描失败的资料，再讨论模型效果。
切分不合理
围绕标题、段落和业务单元切分，用评测问题反复检查命中内容。
模型幻觉
限制回答依据，要求引用来源，并允许系统在资料不足时拒答。
没有引用来源
保留原文、页码或文档链接，把可追溯性作为上线条件。
私有数据安全
明确谁能上传、检索和导出资料，测试时先使用脱敏数据。
下一步可以做什么
把教程连接到真实项目
完成教程不等于项目成立。接下来用真实资料、真实用户和明确指标继续验证。
01查看项目
AnythingLLM
适合快速理解本地工作区和文档问答。
查看项目02查看项目
RAGFlow
适合进一步研究复杂文档解析与效果优化。
查看项目03查看项目
Open WebUI
适合理解模型、界面和知识库的组合方式。
查看项目完成标准
你能复述流程、保存测试结果，并指出下一次要改进的一个问题，就已经完成第一版。