子茹：RAG 技巧与代码剖析

阿里云开发者2025-06-06

AI 摘要

子茹：本文教你用 Python 基础库构建 RAG 系统，还介绍多种优化技巧。如上下文增强检索提供更完整信息，添加上下文块标题提高检索相关性，查询改写等技术提升检索效果，反馈机制让系统越用越准。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Booking.com亿级向量数据库选型实践

本文分享Booking.com在1亿条embedding数据规模下，原有OpenSearch向量方案遇到性能、成本、运维瓶颈后，自行设计贴合生产的压测对比不同方案，最终完成选型迁移的全过程，总结了实用经验。

本文解答产品添加AI搜索时，选用专用向量数据库还是MongoDB的选型疑问，理清两类检索的能力边界，讲解MongoDB检索的架构、用法与踩坑点，给出可复用的选型判断框架。

Amazon DynamoDB 推出原生向量搜索，允许开发者将嵌入向量与应用数据存一起，直接在其中运行近似最近邻查询，无需单独向量数据库。介绍了功能特点、成本计费及开发者反馈等。

文章介绍 LLM Wiki 工程实践。包括为 AI Coding 创建知识地图，指导 Agent 加载上下文；在 Obsidian 构建知识体系，有插件和自定义 Agent 两种方法；还分析其与 RAG 关系，指出可融合互补，不要过度神话 LLM Wiki。