README.md

RAG（检索增强生成）

是什么

RAG 在推理前或推理中，从外部知识库检索与查询相关的片段，注入上下文，使 Model grounded 于文档、代码索引、工单、运行日志等。

Harness 负责：索引、分块、嵌入、检索策略、引用格式；Model 负责：综合与回答。

在 Harness 中的位置

Query ──► Retriever ──► Chunks ──► Context Engineering ──► Model

典型数据源

类型	示例
代码	符号索引、语义搜索、@codebase
文档	内部 wiki、OpenAPI、README
运维	日志、指标、事故报告
业务	CRM、合同条款（经 MCP）

设计要点

1. 分块策略：按标题/函数边界，避免半句话块。
2. 重排序：粗排 + cross-encoder 提升精度。
3. 引用：回答应能指向 chunk id，便于人工核对。
4. 空检索：显式告知 Model「未找到」，降低幻觉。

与 MCP 的边界

• RAG：非结构化/半结构化文本的相似度检索
• MCP：结构化 API、实时查询、写操作

二者常组合：MCP 取实时状态，RAG 取背景知识。

本目录文档

• rag-pipeline.md — 索引与检索流水线

---

← 返回知识体系