第十一章学习笔记：知识图谱与Neo4j学习目标理解知识图谱的基本概念和应用场景掌握知识图谱的构建方法和技术流程学习Neo4j图数据库的核心概念和基本操作掌握Cypher查询语言的使用方法了解Neo4j的安装和配置方法学习内容一、知识图谱基础1.1什么是知识图谱**知识图谱（KnowledgeGrap
第九章学习笔记：图RAG系统架构与实现学习目标了解图RAG系统的架构设计和环境配置掌握图数据建模与Neo4j集成方法学习Milvus索引构建的优化策略理解智能查询路由与检索策略的设计掌握图RAG系统的核心组件和工作流程学习内容一、图RAG系统架构与环境配置1.1项目背景与目标从传统RAG到图RAG的
第八章学习笔记：RAG系统实战学习目标了解RAG系统实战项目的背景和目标掌握RAG系统的环境配置和项目架构设计学习数据准备模块的实现，包括父子文本块策略掌握索引构建与检索优化的方法理解生成集成与系统整合的实现了解RAG系统的优化方向学习内容一、环境配置与项目架构1.1项目背景本章实战项目是一个基于H
第七章学习笔记：基于知识图谱的RAG学习目标理解传统RAG框架的局限性掌握知识图谱增强RAG的核心优势了解GraphRAG框架的架构与工作流程熟悉前沿GraphRAG框架的特点与应用掌握GraphRAG的性能评估方法了解生产环境部署的挑战与解决方案学习内容一、从传统RAG到知识图谱增强RAG的演进1
第六章学习笔记第一节：评估介绍一、为什么需要评估？构建RAG系统后，下一个关键问题是：如何科学地评估其表现？评估之所以关键，是因为它回答了RAG开发与应用中的一系列核心问题：对于开发者：如何量化地追踪、迭代并提升RAG应用的性能？当系统出现”幻觉”或答非所问时，如何快速定位问题根源？对于用户或决策者
第五章学习笔记第一节格式化生成一、为什么需要格式化生成？在许多实际应用场景中，从大语言模型（LLM）那里获得一段非结构化的文本往往不满足需求。格式化生成是连接LLM的自然语言理解能力和下游应用程序的程序化逻辑之间的关键技术。典型应用场景：RAG驱动的电商客服：当用户询问”推荐几款适合程序员的键盘”时
第四章学习笔记第一节：混合检索一、稀疏向量vs密集向量1.1稀疏向量稀疏向量，也常被称为”词法向量”，是基于词频统计的传统信息检索方法的数学表示。它通常是一个维度极高（与词汇表大小相当）但绝大多数元素为零的向量。核心特点：采用精准的”词袋”匹配模型，将文档视为一堆词的集合向量的每一个维度都直接对应一
第三章学习笔记第一节向量嵌入一、向量嵌入基础1.1基础概念**向量嵌入（Embedding）**是一种将真实世界中复杂、高维的数据对象（如文本、图像、音频、视频等）转换为数学上易于处理的、低维、稠密的连续数值向量的技术。数据对象：任何信息，如文本”你好世界”，或一张猫的图片Embedding模型：一
第二章学习笔记第一节数据加载一、文档加载器概述在RAG系统中，数据加载是整个流水线的第一步，也是至关重要的一步。文档加载器负责将各种格式的非结构化文档（如PDF、Word、Markdown、HTML等）转换为程序可以处理的结构化数据。核心原则“垃圾进，垃圾出(GarbageIn,GarbageOut
1.核心概念拆解：为什么要搞RAG？1.1本质理解RAG(检索增强生成)说白了就是给LLM这种“文科生”发了一本实时更新的参考书。参数化知识(ParametricKnowledge)：模型训练完就固化在权重里的记忆。相当于它的“内隐记忆”，不仅模糊，而且停留在训练截止日期前（TrainingCuto
