@gp_pulipaka: RAG from First Principles! #大数据 #分析 #数据科学 #人工智能 #机器学习 #自然语言处理 #大语言模型 #物联网 #工业物联网 #PyTorch #Python
摘要
宣布一本新书《RAG from First Principles》，作者黄佳。这是一本以代码为先的指南，介绍如何使用Python、LangChain和LlamaIndex构建检索增强生成系统。
查看缓存全文
缓存时间: 2026/07/28 22:31
RAG from First Principles! #BigData #Analytics #DataScience #AI #MachineLearning #NLProc #LLM #IoT #IIoT #PyTorch #Python #RStats #TensorFlow #Java #JavaScript #ReactJS #GoLang #CloudComputing #Serverless #DataScientist #Linux #Programming #Coding #Books #100DaysofCode
https://geni.us/RAG-Principles
从第一性原理理解RAG：用Python、LangChain和LlamaIndex构建检索增强生成系统 : Huang, Jia: Amazon.nl: 书籍
来源：https://www.amazon.nl/dp/B0H2D9T84S?tag=gppulipaka0-21&geniuslink=true
畅销AI作者撰写的严谨、代码优先的RAG工程指南。从零开始掌握数据导入、分块、嵌入、向量存储、混合检索、重排序和评估。
随书附赠：无DRM的PDF版本 + Packt下一代阅读器访问权限*
主要特性
- 逐层设计RAG系统，从数据导入到评估
- 掌握混合检索、重排序和索引优化策略
- 通过与10,000+学生验证过的对话驱动、代码优先的教学风格学习
书籍描述
大多数开发者可以用一个下午的时间，借助LangChain或LlamaIndex搭建一个RAG流程。但很少有人理解检索为何失败，以及如何修复。本书正是为那些希望深入理解的人而写。
《从第一性原理理解RAG》逐层拆解检索增强生成堆栈，解释文档如何被导入和解析、分块策略如何直接影响答案质量、嵌入模型如何编码语义、向量数据库内部的工作机制，以及稀疏检索和稠密检索如何在混合系统中协同工作。作者Jia Huang是一位研究工程师和畅销AI作者，他将研究深度和实战经验带入AI最关键的工程学科之一。
本书以一位资深工程师与两位学生之间的渐进式对话展开，提出了从业者真正会问的问题。每一章都建立在上一章的基础上，涵盖从数据导入和分块到嵌入选择、索引设计、混合搜索和检索后处理等主题，接着进入响应生成、评估以及包括GraphRAG、Agentic RAG和Modular RAG在内的高级范式。
学习完成后，你将具备架构层面的理解，能够自信地优化、调试和扩展你的RAG系统。
*需要提供邮箱和购买凭证
你将学到什么
- 解析和导入多种文档类型，如PDF、表格、图像、网页和结构化数据
- 根据内容类型和检索目标应用合适的分块策略
- 为你的领域选择、比较和微调嵌入模型
- 设计向量索引并为生产环境选择合适的相似度度量
- 通过重排序方法（包括RRF、交叉编码器和ColBERT）提升结果质量
- 利用提示工程和Self-RAG将检索结果集成到生成流程中
适合读者
本书适合正在构建基于LLM应用的AI工程师、机器学习从业者和软件开发者，他们希望深入理解检索的实际原理，而不仅仅是调用框架。本书特别适合那些已经搭建过基础RAG流程、现在希望获得架构清晰度和优化策略的读者。
负责设计生产级AI系统的技术负责人和架构师会发现本书对索引、混合搜索、重排序和评估的系统化阐述尤其有价值。读者需具备Python基础和LLM基本概念。
目录
- 数据导入
- 文本分块
- 信息嵌入
- 向量存储
- 检索前处理
- 索引优化
- 检索后处理
- 响应生成
- 系统评估
- 复杂RAG范式
相似文章
@tom_doerr: 构建RAG系统的分步指南笔记本 https://github.com/langchain-ai/rag-from-scratch…
一个从头构建RAG系统的分步笔记本系列，涵盖索引、检索和生成，并附有视频播放列表。
@insomnia_vip: 一位AI工程师花了数月时间构建了大多数人试图伪造的RAG堆栈。她发布了一个开源项目，该…
一位AI工程师发布了一个开源项目，教授如何从零构建本地RAG系统，以及一个生产级别的智能体架构，包含LangGraph、混合检索、缓存和可观测性。
@gp_pulipaka: 自然语言中的代数结构！ #BigData #Analytics #DataScience #AI #MachineLearning #IoT #IIoT #Python #RSt…
本书探讨了代数模型与深度学习在自然语言习得中的作用，汇集了计算语言学、心理学和数理语言学领域顶尖研究者的观点。
@_rohit_tiwari_: 我浪费了几个月试图理解RAG。所以我制作了这个清晰的逐步指南。https://drive.google.com/file/d/1…
一份清晰的逐步指南，帮助理解检索增强生成（RAG），涵盖解释、视觉内容以及各种架构，如Naïve RAG、Advanced RAG、Graph RAG、Multimodal RAG和Agentic RAG。
LightRAG：简单高效的检索增强生成框架
本文介绍了 LightRAG，这是一个开源框架，通过整合图结构来提升检索增强生成（RAG）的上下文感知能力与信息检索效率。