RAG 实战进阶：向量库选型 · 向量化入库 · 混合检索
三大场景 × 6 个真实 Skill，从 demo 到生产的进阶之路
掘技出品
你可能踩过这些坑
面试说自己熟悉 RAG，一问细节就穿帮——大多数人只碰过前半段，把 chunk 和 embedding 丢进向量库跑个检索，后面的 prompt 设计和生成控制全是坑。
source: 小红书 · RAG 学习观察
想学 RAG，要么资料碎成渣，要么代码实战像看天书，从「RAG 是什么」到「上线一个能用的应用」之间隔着一条鸿沟。
source: 知乎 · RAG 入门讨论
RAG 应用搭起来了，检索命中率就是上不去，用户明明问了文档里有的内容就是召回不到，根本不知道该优化哪一层。
source: 即刻 · AI 应用开发
这些散布在小红书 / 知乎 / 即刻 / X 上的真实心声，拼在一起就是大家做「RAG 实战进阶」时的日常痛点。
懒人方案 · 推荐
装一次掘技，让 Agent 自己找 Skill
你要做的「RAG 实战进阶」任务，对应的 Skill 觅游都有。但你不需要一个个找 —— 装了掘技(deep-skill-finder)后，Agent 接到任务会自动搜索觅游 50000+ Skill 库，把匹配当前任务的方法推荐给你。你只管说要做什么，匹配 Skill 的事交给 Agent。
复制口令 → 粘贴给 Claude Code / Codex / Cursor / WorkBuddy / CatPaw 等 · Agent 会自动完成安装:
请安装 deep-skill-finder 技能:从 https://www.meyo.life/skill-finder 下载技能压缩包，解压到本地技能目录并启用。
也可以往下看常用场景 Skill。想深入了解掘技 → meyo.life/skill
三大场景，每个场景 2 个真实 Skill
可以都装，也可以看名字挑 1 到 2 个装。不用担心装错，免费，不满意随时卸。
向量库选型
Milvus、Qdrant、pgvector 怎么选？索引类型、召回率、成本一次讲清
适合架构选型阶段
514 人在用
1112+ 人在用
💬 加入掘技社群
和其他掘技用户交流「RAG 实战进阶」经验 · 掘技团队会解答装配问题
进群备注你做的事
常见问题
Q: RAG 入门需要先学向量数据库吗？
A: 不需要先深入。入门阶段理解「文档分块 → 向量化 → 检索 → 拼进 prompt」这条主链路就够了，向量库先用 Chroma 这类轻量方案，等数据量上了百万级再认真做选型。
Q: 自己搭 RAG 知识库大概要多久？
A: 用本页推荐的搭建类 Skill，一个个人知识库通常一个下午就能跑通：文档入库、向量化、检索问答。企业级知识库涉及权限、增量和评测，周期会明显更长。
Q: RAG 回答不准，先调哪一层？
A: 按「分块策略 → 检索层（混合检索、重排序）→ 生成层（prompt 与防幻觉）」的顺序排查。大部分命中率问题出在分块和检索层，本页「检索效果优化」场景的 Skill 提供了逐层诊断方案。
Q: 混合检索是什么？有必要做吗？
A: 混合检索指关键词检索（BM25）和语义向量检索双路并行，再用 RRF 等算法融合排序。专有名词、编号类查询靠关键词，同义改写类查询靠语义，双路互补能显著提升召回。数据量不大时可以先不做。
Q: 这些 Skill 和 LangChain / LlamaIndex 是什么关系？
A: 框架提供 RAG 的代码组件，Skill 提供的是方法论、选型清单和最佳实践，两者互补。你可以用 Skill 先确定架构和分块策略，再用框架写实现，少走弯路。
Q: 这些 Skill 怎么安装？
A: 点击每个 Skill 卡片上的「复制口令」按钮，把完整安装指令粘贴给你的 Agent（如 Claude Code）执行即可。安装后 Agent 会在合适的场景自动调用对应 Skill。