RAG（检索增强生成）— 值得学习的项目与资源

这篇适合谁读

这篇适合正在把 AI 产品、Agent、RAG、评估和部署能力整理成项目作品集的人阅读。它更像一份公开学习索引，帮助你快速判断某个方向为什么值得学、应该看哪些项目、最后能沉淀成什么能力。

对应 JD 能力：RAG、Embedding、检索策略、知识库设计

1. LangChain

• 链接： https://github.com/langchain-ai/langchain
• 一句话： 最流行的 LLM 应用开发框架，RAG 是其最核心的应用模式
• 学习价值： ⭐⭐⭐
• 涉及领域： [RAG, Prompt Engineering, Embedding, Document Loading, Retrieval QA]
• 对应 JD 能力： “请介绍 LangChain 里实现 RAG 的几种方式”、“如何搭建一个多轮对话的 RAG 系统”
• 推荐理由： 行业事实标准，几乎每个 RAG 相关的 JD 都会提到 LangChain
• 学习路径建议： 官方文档 → tutorials/rag.ipynb → 源码阅读 chains/retrieval_qa → 动手搭一个带 memory 的 RAG chatbot

2. LlamaIndex

• 链接： https://github.com/run-llama/llama_index
• 一句话： 专注数据索引和检索的框架，对高级 RAG 策略支持极好
• 学习价值： ⭐⭐⭐
• 涉及领域： [RAG, Indexing, Chunking, Router, Query Engine]
• 对应 JD 能力： “LlamaIndex 的索引类型有哪些？各适用什么场景”、“SentenceWindow 和 AutoMerging 检索的原理”
• 推荐理由： RAG 专项深度远超 LangChain，高级 RAG 策略都是 LlamaIndex 首创
• 学习路径建议： 官方文档 “Understanding LlamaIndex” → 看 examples/advanced/ → 跑 “RAG with Router Query Engine”

3. Chroma

• 链接： https://github.com/chroma-core/chroma
• 一句话： 轻量级、开发友好的开源向量数据库，仅 4 个核心 API 方法
• 学习价值： ⭐⭐
• 涉及领域： [Vector DB, Embedding, Metadata Filtering]
• 对应 JD 能力： “向量数据库和传统数据库的区别”、“Embedding 的存储和检索原理”
• 推荐理由： 代码量极小（~10k LOC），是学习向量数据库内部原理的最佳教材
• 学习路径建议： Quickstart → 读源码 chromadb/api/ → 理解 Segment API 和 EmbeddingFunction 接口

4. Qdrant

• 链接： https://github.com/qdrant/qdrant
• 一句话： 用 Rust 写的生产级高性能向量数据库，支持过滤、分组、multivector
• 学习价值： ⭐⭐
• 涉及领域： [Vector DB, Hybrid Search, Filtering, Production Deployment]
• 对应 JD 能力： “向量数据库的选型对比”、“生产环境向量数据库的部署和扩展”
• 推荐理由： Rust 写的高性能标杆，理解它的架构=理解现代向量搜索引擎
• 学习路径建议： Quickstart → REST API 文档 → 理解 collection/payload/index 模型

5. RAGFlow

• 链接： https://github.com/infiniflow/ragflow
• 一句话： 基于深度文档理解的开源 RAG 引擎，中文文档处理能力突出
• 学习价值： ⭐⭐⭐
• 涉及领域： [RAG, Document Parsing, OCR, Layout Analysis, Chinese NLP]
• 对应 JD 能力： “中文 RAG 系统设计的难点和方案”、“企业级 RAG 系统的架构设计”
• 推荐理由： 中文社区最优秀的 RAG 开源项目之一
• 学习路径建议： 部署体验 → 理解 Document Parser 流水线 → 看 deepdoc/ 目录

6. RAG Survey 论文

• 链接： https://arxiv.org/abs/2312.10997 (Gao et al., 2023)
• 一句话： RAG 领域最全面的综述，系统梳理 Naive RAG → Advanced RAG → Modular RAG 演进
• 学习价值： ⭐⭐⭐
• 涉及领域： [RAG Survey, Evaluation, Benchmark]
• 对应 JD 能力： “RAG 的最新发展趋势”、“RAG 的主要挑战和解决方案”
• 推荐理由： 一字不差读完=面试 RAG 相关问题的 80% 基础
• 学习路径建议： 先读 Abstract+Introduction → 理解 RAG 三阶段分类

7. Self-RAG 论文

• 链接： https://arxiv.org/abs/2310.11511 (Asai et al., 2023)
• 一句话： 让 LLM 自己决定”是否需要检索”以及”检索结果是否可信”
• 学习价值： ⭐⭐⭐
• 涉及领域： [Self-RAG, Reflection, Critique, Active Retrieval]
• 对应 JD 能力： “RAG 中检索频率如何控制”、“如何减少 RAG 中的幻觉”
• 推荐理由： 改变了 RAG 范式——从”每次都检索”变成”按需检索”
• 学习路径建议： 从 Intro+Method 开始 → 理解 Reflection Token 概念

8. Corrective RAG (CRAG)

• 链接： https://arxiv.org/abs/2401.15884 (Yan et al., 2024)
• 一句话： 给检索结果加”质量分”，把 RAG 变成有退路的多路系统
• 学习价值： ⭐⭐
• 涉及领域： [CRAG, Retrieval Evaluation, Web Search, Robustness]
• 对应 JD 能力： “RAG 系统面对低质量检索如何兜底”、“多源检索的融合策略”
• 推荐理由： 把 RAG 从线性流水线变成有分支决策的智能系统
• 学习路径建议： 看 Figure 2 (CRAG 架构图)

学习顺序建议（PM 视角）

第1阶段：理解概念（2-3天） ① RAG Survey 论文 → ② 部署 RAGFlow 体验

第2阶段：深入架构（1周） ③ LlamaIndex 文档 → ④ Self-RAG 论文 → ⑤ 对比 LangChain/LlamaIndex

第3阶段：建立判断力（持续） ⑥ Chroma 源码 → ⑦ CRAG 论文 → ⑧ Haystack Pipeline