1、RAG 流程RAG 一般分成离线和在线两部分。离线侧主要做文档接入、清洗、切分、向量化和索引构建。文档来源可以是产品文档、帮助中心、接口文档、历史问答、内部知识库。清洗之后按段落、标题或者固定窗口做切片，再用 embedding 模型把文本转成向量，写入向量数据库，同时保留 metadata，比如文档类型、时间、部门、权限标签。在线侧通常是用户问题进来后，先做 query 预处理，比如改写、纠错、意图识别，然后拿 query 去做检索。检索可以是向量检索、BM25 检索或者混合检索。召回到候选片段后，再做 rerank，把最相关的内容排到前面，最后拼接 prompt 和用户问题一起送给大模...

我觉得我经历很丰富啊，为什么在西安只有7k😭

   😅? 

现在市面上已经有各种各样的AI工具和应用，从写作助手到代码生成，从图像识别到智能对话，技术形态越来越丰富。我认为在这样的环境下入门AI，应该关注大模型这一核心方向，因为很多应用背后都依赖大模型技术。了解大模型的原理和应用逻辑，有助于更好地理解整个AI生态的发展趋势。AI真的发展的太快了。