检索增强生成（RAG）
从知识库检索相关文档并喂给模型，使其基于你的数据作答的技术。
典型流程：将文档切分为片段并嵌入向量数据库，针对提问检索最相近的片段，再作为上下文交给大模型。它能减少幻觉，且无需重新训练即可保持答案最新。
相关资源
LlamaIndex 框架教程
LlamaIndex 实战教程——专为构建 RAG 应用而设计的框架，将 LLM 连接到自定义数据源。涵盖数据摄入管线、索引策略、查询引擎和基于 Agent 的检索，并提供 PDF、网页和数据库连接器的实战示例。适合希望构建基于自有文档的领域专属 AI 助手的开发者。
Haystack RAG 框架
Haystack 是 deepset 开源的生产级 LLM 应用框架，专注检索增强生成（RAG）和问答管线。它提供文档处理、嵌入和检索等模块化组件，可轻松对接 OpenAI、Hugging Face 等模型，适合搭建企业级搜索与知识问答系统。
Qdrant 向量数据库
Qdrant 是面向生产环境的高性能开源向量数据库与相似度搜索引擎。它使用 Rust 编写，支持丰富的载荷过滤、多租户，以及自托管和托管云两种部署方式，为 RAG 管线、推荐系统和语义搜索提供动力。