For AI agents: the complete documentation index is available at https://tingfeng347.github.io/windwiki/llms.txt, the full documentation bundle is available at https://tingfeng347.github.io/windwiki/llms-full.txt, and this page is available as Markdown at https://tingfeng347.github.io/windwiki/llm-applications/rag/sources-and-coverage.md.

来源与覆盖清单

这套笔记不是逐句复制,而是以三仓库内容为主干,合并重复概念、保留互补经验,并将事实、项目示例和工程建议分开。此页给出可核对的来源矩阵。

1. 固定来源版本

来源本地读取版本主要贡献
left0ver/knowledge-center847dfb84bc0a48639c7983a9aa5d81d1093c5efaPDF 工具实测、表格、细粒度分块、Milvus 混合检索、多向量、索引、查询与检索前后处理
datawhalechina/all-in-rag583a61b09869bc3afc4552289171f6ec188f2c76从入门到 Modular RAG 的系统课程、结构化生成、评估、GraphRAG、Agentic RAG、两个食谱项目
datawhalechina/hello-agents4f7682ceafe573d07cd8a7d0b89908500e83227dRAGTool、四类智能体记忆、Qdrant/Neo4j/SQLite、MQE/HyDE、带记忆的 PDF 学习助手

阅读时间为 2026-09-13。后续仓库更新不会自动进入本笔记,需要重新比较上述提交后的差异。

2. knowledge-center 覆盖

原文 src/Agent/RAG.md 的全部一级主题均已纳入:

原主题合并后的去向
文档加载;PDF 规则/深度学习解析;PDF 转 Markdown文档解析与分块
解析 Debug;Camelot、PDFPlumber、Unstructured、LlamaParse、ChatDoc文档解析与分块
LangChain、Unstructured、Docling 分块文档解析与分块
父子块、语义块、句子窗口文档解析与分块、查询与检索优化
Embedding、稀疏/稠密/混合、BM25嵌入、向量库与索引
Milvus 混合检索、多向量:父子/摘要/假设问题查询与检索优化
层级检索、SelfQueryRetriever嵌入、向量库与索引、查询与检索优化
FLAT、IVF、图索引、GPU、量化、Refiner、选型嵌入、向量库与索引
改写、MultiQuery、RAG Fusion、Decomposition、Step-back、HyDE、Text2SQL、路由查询与检索优化
RRF、Bi-Encoder、ColBERT、Cross-Encoder、LLM/时间重排、压缩、LLMLingua、校正查询与检索优化
RAG 评估三角生成与评估

3. all-in-rag 逐文件覆盖

源文件合并后的去向
chapter1/01_RAG_intro.md总览与学习路线、生产实践
chapter1/02_preparation.md、03_get_start_rag.md、virtualenv.md总览与学习路线、端到端项目
chapter2/04_data_load.md文档解析与分块
chapter2/05_text_chunking.md文档解析与分块
chapter3/06_vector_embedding.md嵌入、向量库与索引
chapter3/07_multimodal_embedding.md嵌入、向量库与索引
chapter3/08_vector_db.md嵌入、向量库与索引
chapter3/09_milvus.md嵌入、向量库与索引
chapter3/10_index_optimization.md嵌入、向量库与索引、查询与检索优化
chapter4/11_hybrid_search.md查询与检索优化
chapter4/12_query_construction.md查询与检索优化
chapter4/13_text2sql.md查询与检索优化
chapter4/14_query_rewriting.md查询与检索优化
chapter4/15_advanced_retrieval_techniques.md查询与检索优化
chapter5/16_formatted_generation.md生成与评估
chapter6/18_system_evaluation.md、19_common_tools.md生成与评估、生产实践
chapter7/20_kg_rag.mdGraphRAG
chapter7/21_agentic_rag.mdAgentic RAG 与记忆
chapter8/01_env_architecture.md~04_generation_sys.md端到端项目
chapter9/01_graph_rag_architecture.md~04_intelligent_query_routing.mdGraphRAG、端到端项目

4. hello-agents 第八章覆盖

源章节合并后的去向
8.1 从认知科学到智能体记忆Agentic RAG 与记忆
8.2 记忆流程、MemoryTool、MemoryManager、四类记忆Agentic RAG 与记忆
8.3 RAG 基础、RAGTool、架构、高级检索文档解析与分块、查询与检索优化
8.4 智能文档问答助手端到端项目
8.5 总结展望总览与学习路线、生产实践

练习题和大段逐行代码没有原样搬运;其涉及的知识点、关键参数、数据流、模块职责和实现边界已进入对应章节。要完整复现实验环境时,应以固定提交下的原仓库代码为准。

5. 图片来源

本专题没有生成新图片。images/ 中:

  • all-in-rag-*、unstructured-*、chunking-*、embedding-*、milvus-*、graph-rag.svg 等复制自 all-in-rag/docs/chapter*/images/;
  • hello-* 复制自 hello-agents/docs/images/8-figures/;
  • knowledge-center-* 从 knowledge-center/src/Agent/RAG.md 原文引用的 img.leftover.cn 地址下载并本地化;
  • 早期已采用的 advanced-rag-pipeline.webp、rag-triad.webp 和 agentic-rag.svg 同样来自 all-in-rag。

这些图片随其原仓库的署名与许可要求使用。all-in-rag README 标明内容采用 CC BY-NC-SA 4.0;复用或再发布前仍应核对三个上游仓库当时的 LICENSE/README。

6. 一手资料补充原则

本地三仓库是正文主来源。一手资料只用于核对可能变化或容易误解的边界,例如框架 API、索引参数、RRF 定义、GraphRAG 官方架构和评估指标;不会用网络文章替代三仓库原有内容。详细核对记录见同目录的 research-source-notes.md。