4 - RAG 知识库进阶 - AI 超级智能体项目教程

我们团队最近在疯狂的研究AI，期间调研学习了大量的资料，感谢大佬们的分享。

期间不仅做了几个还不错的项目，也踩坑不少，我们也发光发热，把我们总结的经验以专栏的方式分享出来，希望对大家有帮助。

这是专栏内容的第4篇，这是专栏链接，没看之前文章的朋友，建议先看之前的内容。

本节重点

以 Spring AI 框架为例，学习 RAG 知识库应⁠用开发的核心特性和高级知识点，并且掌握 RAG 最佳实践和调优技巧。

具体内容包括：

• RAG 核心特性
• 文档收集和切割（ETL）
• 向量转换和存储（向量数据库）
• 文档过滤和检索（文档检索器）
• 查询增强和关联（上下文查询增强器）
• RAG 最佳实践和调优
• RAG 高级知识
• 检索策略
• 大模型幻觉
• 高级 RAG 架构

友情提示：由于 AI 的更新速度飞快，随着平台 / 工具 / 技术 / 软件的更新，教程的部分细节可能会失效，所以请⁠大家重点学习思路和方法，不要因为实操和教程不一致就过于担心，而是要学会自己阅读官方文档并查阅资料，多锻炼自己解决问题的能力。

一、RAG 核心特性

这一小节我们更多的是了解 RAG 的核心特性，⁠重理论轻实战，下一小节会更注重实战。

还记得上节教程中，我们讲到的 RAG 工作流程么？

上节教程中我们只是按照这个流程完成了入门级 RAG 应用的开发，实际上每个流程都有一些⁠值得学习的特性，Spring AI 也为这些流程的技术实现提供了支持，下面让我们按照流程依次进行讲解。

• 文档收集和切割
• 向量转换和存储
• 文档过滤和检索
• 查询增强和关联

文档收集和切割 - ETL

文档收集和切割阶段，我们要对自己准备好的知识库文档进行处理，然后保存到向量数据库中。这个过程俗称 ETL（抽取、转换、加载），Spring AI 提供了对 ETL 的支持，参考 官方文档。

文档

什么是 Spring AI 中的文档呢？

文档不仅仅包含文本，还可以包含一系列元信息和多媒体附件：

ETL

在 Spring AI 中，对 Documen⁠t 的处理通常遵循以下流程：

1. 读取文档：使用 DocumentReader 组件从数据源（�