RAG 不只是向量检索加大模型生成。一个工程级 RAG 系统需要同时处理语义文档、结构化表格、数据库和知识图谱,并通过 Embedding、Reranker、Text2SQL 与 GraphRAG 协同完成复杂问答。
Context Engineering 关注在调用大语言模型前,如何把指令、知识、工具结果和记忆组织进有限上下文窗口。围绕 LLM OS 类比、上下文失败模式、记忆分类和工程实践,系统讲清 LLM 应用为什么不能只靠提示词。
RAG 系统要处理的不只是向量召回,还包括重排序、结构化数据查询、表格解析和复杂图推理。围绕语义检索、Text2SQL 和 GraphRAG 三条主线,拆解一套可落地 RAG 架构的训练方法、检索流程和工程取舍。