02-RAG 工程化

本讲为一期第二阶段，聚焦检索增强生成工程化与召回评估体系。

核心内容

• 向量数据库选型：Milvus、Qdrant、PgVector
• 文档解析与切分策略
• 召回策略：稀疏召回 + 稠密召回 + Rerank
• 评估体系：Faithfulness、Relevancy、Context Recall

# 混合召回示例
sparse_results = bm25.search(query, k=20)
dense_results = vector_db.search(embedding, k=20)
merged = reciprocal_rank_fusion([sparse_results, dense_results])
final = cross_encoder.rerank(query, merged, k=5)