资料内容：
一、RAG基础功能篇
1.1 RAG 工作流程
从RAG的工作流程看，RAG 模块有：文档块切分、文本嵌入模型、提示工程、大模型生成。
二、RAG 各模块有哪些优化策略？
• 文档块切分：设置适当的块间重叠、多粒度文档块切分、基于语义的文档切分、文档块摘要。
• 文本嵌入模型：基于新语料微调嵌入模型、动态表征。
• 提示工程优化：优化模板增加提示词约束、提示词改写。
• 大模型迭代：基于正反馈微调模型、量化感知训练、提供大context window的推理模型。
此外，还可对query召回的文档块集合进行处理，比如：元数据过滤[7]、重排序减少文档块数量[2]。
三、RAG 架构优化有哪些优化策略？
3.1 如何利用 知识图谱（KG）进行上下文增强？
3.1.1 典型RAG架构中，向量数据库进行上下文增强 存在哪些问题？
向量数据库进行上下文增强 存在问题：
1. 无法获取长程关联知识
2. 信息密度低（尤其当LLM context window较小时不友好）
3.1.2 如何利用 知识图谱（KG）进行上下文增强？
• 策略：增加一路与向量库平行的KG（知识图谱）上下文增强策略。
