RAG 工程师学习路线

这条路线是什么

这条路线的主轴是一条文档到答案的流水线。整个过程包含切分、向量化、检索、重排、生成、评测六段。在这条流水线上，每一段都会面临不同的技术选型题和参数调优题。面试官考察的重点不仅仅是你能否把流程跑通，更在于你面对不同业务场景时，能否给出合理的架构设计与调优思路。

路线的能力目标是让你能够把一套文档变成能上线的问答系统，并且能用数字证明它好不好。这要求你深刻理解 recall、MRR 以及忠实度等评估指标。当系统表现不佳时，你需要具备拆解能力，遇到坏例能归因到改哪一层，并给出对应的改进方案。

怎么走

学习顺序从第 1 章 RAG 开始，这是整条路线的主线，涵盖 Embedding 选型、分块、向量库、检索重排等核心内容。完成主线后紧接着学习第 7 章评测。多数人栽在做了 RAG 却说不出好不好，评测能力是这个方向真正的上岗证。

随后进入第 4 章 Agent 架构，因为当前的趋势是 RAG 正在 Agent 化，检索逐渐成为工具。接着学习第 2 章 LLM 基础，这部分涉及幻觉与上下文的底层逻辑，能帮你更好地理解生成端的问题。之后通过第 12 章五厂真题检验实战水平，最后以第 11 章通用来补充基础。

适合谁

这条路线的岗位画像是 RAG 工程师、大模型应用开发以及 AI 搜索与问答。如果你的过往背景是后端开发、算法工程师或者传统搜索推荐，转岗走这条路线会相对顺畅。

对应的业务通常是企业知识库、客服知识、商品问答以及投研问答。只要你未来的工作涉及让大语言模型基于外部私有知识进行回答，这条路线就是你需要掌握的核心内容。