title: “Project Guide: Complex RAG Guide”

Project Guide: Complex RAG Guide

原项目：

• https://github.com/FareedKhan-dev/complex-RAG-guide

这个项目最适合你学什么

这个项目适合你在基础 RAG 之后，继续看“复杂 RAG 管线怎么长出来”。

它比最小 demo 多了很多真实系统里常见的部件，比如：

• cleaning
• chunking
• filtering
• query rewriting
• planning / execution
• evaluation

为什么应该在这个阶段做它

因为很多人学 RAG 会卡在这一步：

• 已经知道向量检索和 prompt 拼接
• 但不知道为什么真实系统会有那么多额外模块

这个仓库正好把这些模块串起来。

前置知识

• 基础 RAG 主链路
• 向量检索的基本概念
• Notebook 式实验的习惯

先看什么

建议顺序：

1. README 里的 pipeline overview
2. RAG_pipeline.ipynb
3. helper functions
4. planner / re-planner / task handler 相关部分
5. evaluation 相关部分

第一周最小任务

1. 看懂 pipeline 分成哪几层
2. 跑通最小 notebook
3. 只挑 1 个增强点认真看

推荐第一遍只挑下面三个之一：

• query rewriting
• relevance filtering
• evaluation

不要第一次就想全部吃掉。

开做指南

环境要求

• Jupyter Notebook
• LangChain / LangGraph / 向量检索相关依赖
• LLM API key

最小启动动作

1. 安装依赖
2. 打开 notebook
3. 跑通一条最小问答流程
4. 记录每一步输入输出

第一遍不要改什么

• 不要先改 planner prompt
• 不要先加自己的全部复杂数据
• 不要一开始就研究所有 sub-graph

第二遍建议你改什么

• 自己换一份语料
• 对比不同 chunking
• 只保留你认为最有用的两个增强模块

你做完后应该掌握什么

• 知道复杂 RAG 为什么会出现 planner / executor
• 知道 retrieval 后还会有过滤、重写、校验
• 知道 evaluation 不是附属品，而是关键环节

常见卡点

• 过早陷入 LangGraph 结构，而忽略主链路
• 同时改太多模块，不知道效果变化来自哪里
• 只看回答结果，不看中间状态

最小完成标准

• 你能画出这个 pipeline 的主要节点
• 你能解释 planner 和 retriever 分别负责什么
• 你能拿一个小实验说明某个增强模块是否值得保留

下一站

建议下一步去：

• RAG Techniques
• DeepSearcher