（1）作者经验丰富：3位作者在一线互联网大厂和上市公司又多年的AI技术经验和算法经验，是RAG领域的实践者和布道者。
（2）理论全面深入：系统梳理与大模型和RAG相关核心技术和优化方法，全面总结RAG的范式演变。
（3）内容实战导向：不仅讲解了各种RAG系统的训练方法，而且还讲解了如何从零搭建一个RAG系统以及RAG系统在大模型应用开发中的使用。

这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验，详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景，同时探讨了RAG在大模型应用开发中的变革与潜力。书中不仅揭示了RAG技术背后的数学原理，还通过丰富的案例与代码实现，引导读者从理论走向实践，轻松掌握RAG系统的构建与优化。无论你是深度学习初学者，还是希望提升RAG应用技能的开发者，本书都将为你提供宝贵的参考与指导。

前言
第一部分基础
第1章RAG与大模型应用2
1.1大模型应用的方向：RAG2
1.1.1什么是RAG2
1.1.2RAG与模型微调的对比5
1.1.3RAG带来的范式改变5
1.2为什么需要RAG6
1.2.1大模型的知识更新问题6
1.2.2大模型生成结果的不可解释性问题8
1.2.3大模型的数据泄露问题8
1.2.4大模型的训练成本问题9
1.3RAG的工作流程9
1.3.1数据准备10
1.3.2数据召回11
1.3.3答案生成12
1.4RAG的优缺点12
……