Project Guide: rag-from-scratch

原项目：

• https://github.com/langchain-ai/rag-from-scratch

这页为什么值得看

rag-from-scratch 不是“RAG 仓库之一”，而是你最适合开始的那个。

原因很简单：

• 它足够轻
• 它的主链路清楚
• 你能很快把注意力放在真正重要的地方

如果你一开始就去做复杂 agent RAG，通常会学乱。你会看到很多组件，但不知道哪些才是第一性原理。

这个项目的价值就在于，它会逼你先把最小 RAG 想清楚。

你到底应该从它学到什么

不是“我会调一个 notebook”。

你真正应该从它学到的是：

1. 一个最小 RAG 系统到底由哪些步骤组成
2. 检索结果为什么比最终答案更值得先看
3. 改 retrieval 参数时，回答为什么会跟着变
4. 为什么 context grounding 是 RAG 的核心，不是可选项

最小主链路

你第一遍必须能自己复述这条链路：

user question
-> embed / retrieve relevant chunks
-> select context
-> build prompt with retrieved context
-> generate answer
-> inspect whether answer is actually grounded in context

如果你讲不出这条链路，就说明你还没有真的理解这个项目。

这项目最适合学的三个观察点

1. 检索出来了什么

大多数初学者只看最终回答，这是错的。

你应该先盯：

• 检索到了哪些 chunk
• 这些 chunk 和问题是否真的相关
• 是不是召回太少或太多

2. 最终 prompt 长什么样

你要知道模型不是“自动懂了”，而是被塞了一个包含上下文的 prompt。

你应该看：

• 原始问题是什么
• 被拼进去的 context 是什么
• prompt 是否清楚地区分了“用户问题”和“可参考资料”

3. 改一个参数后发生了什么

真正的学习发生在你改动以后。

你最适合先改这三个变量：

• chunk_size
• top_k
• prompt 里的回答约束

为什么它适合作为第一站

因为它把复杂度压低了。

你在这里不用先处理：

• 多步 query planning
• reranker 组合
• agent orchestration
• 复杂评估框架

这不是缺点，反而是优点。第一站就应该先把主链路和观察方法学会。

第一周不要做什么

第一周最容易把自己带偏的行为有这些：

• 一上来就换成自己的大数据集
• 一上来就加 UI
• 试图把 notebook 全看完
• 看到效果不好就立刻怀疑模型本身

第一周你只需要做“小而可解释”的实验。

第一周真正该做什么

Day 1

• 跑通最基础 notebook
• 记录最小输入和最小输出

Day 2

• 画出 retrieval -> context -> answer 主链路
• 把每一步写成一句人话

Day 3

• 看 retrieval 结果，而不是只看 final answer
• 记录“召回正确”和“召回错误”的例子

Day 4

• 修改 top_k
• 观察 context 变长之后回答有没有变稳

Day 5

• 修改 chunk_size
• 观察检索粒度变化带来的影响

Day 6

• 改 prompt 里的回答约束
• 比如要求“只能根据 context 回答”

Day 7

• 用自己的话复盘：
  • 最小 RAG 是什么
  • 这个仓库最关键的学习价值是什么
  • 如果自己重写，你先做哪一层

更细的执行版在这里：

• rag-from-scratch 7-Day Plan

你真正要产出的东西

别把“跑通 notebook”当成完成。

这一页最推荐你产出的是下面三样：

1. 一张主链路图

question -> retrieval -> context assembly -> generation -> inspection

2. 一份参数实验记录

至少记两组：

• top_k 从小到大怎么变
• chunk_size 从小到大怎么变

3. 一段自己的解释

你要能不看仓库，自己说：

“RAG 不是把 LLM 和向量库硬拼起来，而是通过检索到的外部上下文来约束回答。”

如果说不出来，就说明你还在“看”，不是“学会”。

常见误区

误区 1：只看最终回答

真正的问题通常出在检索阶段，不在生成阶段。

误区 2：一开始就追求复杂

你现在需要的是可解释性，不是复杂度。

误区 3：不做对照实验

不改参数，你学不到系统行为。

最小完成标准

你至少要满足下面三条中的两条：

• 能自己复述最小 RAG 主链路
• 能解释 top_k 或 chunk_size 改动后的结果变化
• 能用自己的小文档重跑一次并观察差异

做完它以后该去哪

下一站建议直接去：

• Complex RAG Guide

理由是你会立刻看见“一个最小 RAG”和“一个更复杂 RAG”之间到底多出了哪些层：

• query rewriting
• reranking
• routing
• evaluation

这时你的学习就不是乱看，而是有参照系地升级。