RAG / 数据 / 文档智能完全指南

RAG 不是“把文档塞进向量库”就完事。真正难的是解析、切分、检索、证据、评测这一整条数据链。这页汇总我们在这条线上的内容。

适合：做 RAG / 文档处理 / 数据管线的工程师。

一、RAG 该怎么进化

• RAG 没有死
• 图 RAG 实战
• 上下文图：智能体的“RAG 杀手”
• 6 个步骤把 RAG 幻觉率降到 1%
• 我从真实 RAG 学到的 6 个评估指标

二、文档解析与处理

• 为什么 PDF 解析仍然困难
• Docling vs Marker vs MinerU（横评）
• Granite Docling 文档解析小模型
• 用 Docling 构建 AI 原生文档平台
• OvisOCR2 + RAG 实战
• 文档即代码

三、代码库 → 知识图谱 / CodeRAG

• 如何把代码库转化为知识图谱
• CodeGraph：从代码到知识图谱
• 用 Tree-sitter 构建 CodeRAG
• 用 Tree-sitter 构建 AI 文档引擎
• 设计有效的 Tree-sitter 语法
• 用 OpenWiki 索引你的代码库

四、检索与向量

• 构建实时语义代码搜索
• 8 个适用于 AI 智能体的向量数据库
• KohakuRAG：从文档树找到证据
• SightRAG：视觉检索增强生成

五、知识图谱

• 用知识蒸馏构建大规模知识图谱
• 本体论、知识图谱与人工智能

常见问题

Q：RAG 过时了吗？没有。变化的是“怎么检索”：从单纯向量相似度，转向图检索、结构化检索与证据绑定。

Q：为什么 PDF 解析这么难？版式复杂、表格/公式/多栏、扫描件等都会让解析出错。选型前先看第二节的横评。

Q：一定要用向量数据库吗？不一定。小规模可以直接用本地索引；规模上去后再考虑专门的向量库。

Q：代码库做知识图谱有什么用？支持跨文件理解、影响分析、语义搜索与代码审查，比纯文本切分更贴合代码结构。

最后更新：2026-10-13 ｜ 汇智网编辑部