RAG 是给 LLM 装的可检索的外部记忆——让「模型的知识」和「业务的知识」解耦，模型只负责推理，知识从库里按需取。一条主线串起全卷：① 11 步流水线——离线（清洗→切分→向量化→入库）+ 在线（查询改写 HyDE→向量化→检索→Rerank→上下文扩展→注入→生成），关键在 Rerank（向量相似≠真正相关，交叉编码器过滤假阳性）和上下文扩展（取前后 chunk，避免孤立段落）；质量看 RAGAS 五指标，先看 Faithfulness（底线不编造）+ Context Recall（漏斗顶端）；② 向量数据库是倒排索引的语义版——一张表存 content+embedding+metadata 三件套，ivfflat（百万级分桶）/hnsw（千万级图）做 ANN，metadata 过滤 + 向量+BM25 混合兼顾语义与精确词，中文必须用中文 Embedding；③ Agent RAG 本质区别在失败影响范围——传统 RAG 失败只是答案不准，Agent RAG 失败让推理偏航整条链崩（排障先查检索层）；三种触发策略（Pre-retrieval/On-demand/混合），CoT+RAG 让每一步推理都可能检索，Agentic RAG 让 Agent 自主决定检索策略；④ 六大坑本质是级联系统上游失误被下游放大——chunk 切断信息、Embedding 不匹配、检索污染、向量相似≠相关、知识过期（缓存脏数据）、多源权控混乱；排坑从上游往下游（chunk→embedding→检索量→注入→同步）；⑤ 切分是第一个质量旋钮——块小检索准但会切断答案，块大完整但稀释相似度；顺序是结构切分 → 长度兜底（中文技术文档 300–800 token 是经验起点，不要迷信 512）→ 父子块（检索小、生成大）→ 上下文增强 → 最后才调重叠（10%–15% 覆盖跨界短答案，但成本同比例上升）。一句话背法：「结构定边界，长度做兜底，重叠最后加」。