第 14 周：RAG Pipeline 基础

所属阶段：RAG + 评估 + 记忆 + MCP + 安全 + 国产生态（第 14–19 周）

本周目标

掌握 RAG 全流程（文档解析 → 切块 → Embedding → pgvector 向量存储 → 相似度检索），端到端跑通"上传 PDF → 提问 → 返回答案"的最小 RAG 应用。

本周日程

天	学习内容	动手任务	当日产出
Day 1	RAG 概念 + Naive RAG 流程	画出“文档 → 切块 → Embedding → 检索 → 生成”的流程图	RAG 流程图
Day 2	文档解析：PDF/Markdown/TXT	用 pypdf 或 unstructured 解析一份 PDF 文档	文本提取脚本
Day 3	文本切块策略：固定长度、递归、语义	实现递归切块，对比固定切块的检索效果	切块模块
Day 4	Embedding：OpenAI / 开源模型	用 OpenAI Embedding API 将切块转为向量	Embedding 脚本
Day 5	pgvector 安装 + 向量存储	在 PostgreSQL 中启用 pgvector 扩展，创建 documents 表存向量	pgvector 就绪
Day 6	相似度检索：余弦距离 + Top-K	实现“给定问题，检索最相似的 5 个切块”	检索函数
Day 7	周复盘 + 整理	端到端跑通“上传 PDF → 提问 → 返回答案”，写周记	最小 RAG + 周记

教程进度

• ✅Day 1 · RAG 概念
• ✅Day 2 · 文档解析
• ✅Day 3 · 文本切块
• ✅Day 4 · Embedding
• ✅Day 5 · pgvector
• ✅Day 6 · 相似度检索
• ✅Day 7 · 周复盘

本周参考

pgvector RAG Lab 提供了从 Naive RAG 到 Hybrid RAG 的渐进式实验。