开发者出版 RAG 实战书：从文档处理讲起全程可本地跑
2redditornot · reddit · 2026-08-19
作者在 Leanpub 发布 RAG 教学书第一卷，特点是「像讲故事一样从零搭建」而非工具手册，所有代码本地笔记本可跑、每行都实际执行过。第一卷覆盖离线半程：
- PDF/Word/xlsx/HTML/邮件的抽取与无文本层的 1994 年扫描件 OCR；
- 数据清洗及保留全部删除记录；
- 分块策略（固定长度、递归、结构感知）及为何固定分块不适合真实文档；
- 嵌入、相似度、模型选择与向量数据库。
作者主动求拍砖的观点：暴力精确搜索在几十万向量规模内完全够用，早上 ANN 索引是「用叉车搬书架」；全篇用 all-MiniLM-L6-v2 是否低估了更好模型的价值。第二卷将覆盖生成、引用与评估。第一章免费。
「编程与Agent」频道最新
- Grokbot 实测：适合小白，极客免进 — evielync · 2026-08-19
- 开发者提出 10-80-10 法则：重两头轻中间的 AI 编程流 — _jaydeepkarale · 2026-08-19
- TrueFoundry 开源 Agent 框架 TrueForge，跑 GLM 成本直降 75% — omarsar0 · 2026-08-19
- 用两个 Agent 在 Reddit 做免费流量与销售的全流程指南 — eptwts · 2026-08-19
- 从追快到懂工具：80 个项目后他看懂了 Netlify 数据库妙处 — thisiskp_ · 2026-08-19
- 自主智能体催生巨型 PR：没人读得动的代码正涌向生产环境 — _jaydeepkarale · 2026-08-19