学习路径

# 学习路径

前置知识要求见 00-overview.md：LLM 基本原理、Python、信息检索入门（检索侧概念本库会补齐）。这些不属于本知识库范围。

第一阶段 · 入门（约 1.5 小时）

建立"为什么外挂知识"与"流水线长什么样"的全局图景。

1. [kp-001] 什么是 RAG：定义、动机与适用边界（15 分钟）
2. [kp-002] RAG 基本流水线：索引—检索—增强—生成（15 分钟）
3. [kp-003] LLM 的知识局限与幻觉（15 分钟）
4. [kp-018] 知识图谱定义与三要素（15 分钟）
5. [kp-022] 为什么 RAG 需要图（15 分钟）

第二阶段 · 核心（约 4.5 小时）

向量 RAG 全链路 + 图基础与图检索入口。

1. [kp-004] 分块策略 → [kp-005] 文档解析 → [kp-006] 元数据管理（50 分钟）
2. [kp-007] 嵌入模型 → [kp-008] 相似度度量 → [kp-009] 向量索引（60 分钟）
3. [kp-010] 混合检索（BM25+向量+RRF）（20 分钟）
4. [kp-013] 重排模型 → [kp-014] 上下文组装 → [kp-015] 引用与拒答（50 分钟）
5. [kp-016] RAG 评测（20 分钟）
6. [kp-023] 图构建管线 → [kp-025] 图检索模式（45 分钟）

第三阶段 · 进阶（约 2.5 小时）

1. [kp-011] 查询变换：HyDE、多查询、分解（20 分钟）
2. [kp-012] 嵌入的坑：领域漂移与多语言（15 分钟）
3. [kp-017] 端到端调优方法论（20 分钟）
4. [kp-019] 本体与 Schema → [kp-020] 图数据库与查询语言（40 分钟）
5. [kp-021] 图神经网络基础（25 分钟）
6. [kp-024] Microsoft GraphRAG（20 分钟）
7. [kp-026] 混合路由架构：LightRAG 等（20 分钟）

第四阶段 · 前沿与工程（约 2.5 小时）

1. [kp-028] 框架与架构（15 分钟）
2. [kp-029] 增量更新 → [kp-030] 多租户权限 → [kp-031] 成本延迟优化（50 分钟）
3. [kp-027] Agentic RAG（20 分钟）
4. [kp-032] 安全与伦理：提示注入、泄露、版权（20 分钟）
5. [kp-033] 案例与趋势：长上下文 vs RAG、多模态 RAG（25 分钟）

最小可用路径

kp-001 → kp-002 → kp-004 → kp-007 → kp-009 → kp-010 → kp-013 → kp-014 → kp-016 → kp-018 → kp-022 → kp-025（约 3 小时）。这条线给出"向量 RAG 全链路（分块→嵌入→索引→混合检索→重排→上下文→评测）+ 图的问题界定与图检索入口"，是能独立成立的主干；时间紧张只走这条线。

学习进度加载中…