Fineuralab

RAG 与 Agent 路线

通过检索设计、工具契约、记忆边界、权限和评估学习 RAG 与 Agent 工作流。

RAG 学习路线

路线概览

这条路线把 RAG 学习拆成最小路线、项目路线和最终产出。先跑通一个可验证闭环，再决定是否继续深入。

4 周最小路线 8 周项目路线 1 个最终产出

适合谁

适合

  • 你已经理解 LLM 应用，想进一步做检索或工具调用。
  • 你需要可检查的 Agent 工作流，而不是玄学自动化。
  • 你关心权限放行和 Agent 卡住后的恢复。

不适合

  • 你还没有做过简单 LLM 应用。
  • 你想做完全无需人工确认的自动 Agent。

先修条件

  • 基本 LLM API 使用能力
  • chunking、embedding、检索等基本词汇
  • 能描述工具输入、输出和失败状态

路线安排

4 周最小路线

  1. 第 1 周：chunking 和检索 baseline。
  2. 第 2 周：回答 grounding 和来源冲突处理。
  3. 第 3 周：带明确权限的工具调用契约。
  4. 第 4 周：恢复计划、日志和评估集。

8 周扩展路线

  • 补 rerank、记忆限制、用户确认节点、事故记录和多步任务评估。
  • 最后做一个明确展示自动化边界的 demo。

最终产出

做一个带检索、一个工具调用、人工确认、回滚说明和失败回放的小型 Agent workflow。

学习证据

  • 保留输入数据、prompt、代码、指标和失败样本。
  • 每周写一次短复盘：这周学到了什么、误判了什么、下周如何修正。
  • 最终报告要说明哪些地方没有做，避免把 demo 包装成完整能力。

配套工具

AI 知识库分块计划器在把文档、FAQ、访谈、政策或代码做成 RAG 知识库前，规划分块边界、元数据字段、排除规则和脱敏检查。 AI 工具调用契约生成器为 AI Agent 生成工具调用契约：工具列表、参数、返回值、错误、权限分级、dry-run、人工批准、审计日志和回滚检查。 AI Agent 权限放行检查器检查是否应该允许 AI Agent 联网、运行命令、写文件、部署、访问账号或触碰生产系统。 AI Agent 运行恢复计划器粘贴卡住的 AI Agent 对话、命令输出或失败日志，识别循环、权限阻塞、测试失败、上下文漂移，并生成恢复 prompt。 Learning 学习路线面向 AI、深度学习、LLM、RAG 和论文复现的项目驱动学习入口。

已复核并更新：2026 年 6 月 26 日