构建生产级 RAG 系统：从 Embedding 到混合检索与重排序的完整实战
从 0 到 1 构建生产级 RAG 系统实战指南：基于 pgvector + Node.js 技术栈，详解文档切分、Embedding、HNSW 索引、向量+BM25 混合检索、RRF 融合、Reranker 精排全链路，含完整 SQL 和 TypeScript 代码。
混合检索
PostgreSQL 作为 AI 时代的多模态数据库：从 pgvector 向量搜索到 LLM 长期记忆存储的架构实战
深度解析 PostgreSQL 作为 AI 时代多模态数据库的完整方案：从 pgvector 核心原理到混合检索架构（RRF融合），再到 LLM 长期记忆存储系统的生产级实现。
向量数据库工程实践：从HNSW索引原理到混合检索架构的十亿级语义搜索
深入解析向量数据库的核心索引算法（HNSW/IVF/DiskANN），结合pgvector和Milvus的工程实践，讲解量化压缩、混合检索（向量+标量）及RAG/推荐系统等应用场景。
RAG系统架构深度实战：从Naive RAG到Agentic RAG的演进之路
深度解析RAG系统从Naive RAG到Agentic RAG的四阶段演进路径，涵盖文档分块策略、嵌入模型选型、混合检索、重排序、Graph RAG、Self-RAG、RAGAS评估框架及生产级工程实践
AI Agent工程实践（第44部分）：知识图谱与动态知识更新——从相似度匹配到关系推理的架构演进
系统拆解AI Agent知识图谱工程架构：从RAG到知识图谱的演进逻辑、核心表示方法、知识抽取与融合技术、动态知识更新三大策略与冲突消解、生产级知识图谱架构设计、向量检索与图遍历的混合检索系统、知识增强的记忆系统六层架构，以及2026年LLM+KG融合、多模态知识图谱前沿趋势。
向量数据库选型与RAG系统调优实战：从Embedding模型对比到混合检索策略
深度对比主流向量数据库的性能特征，解析Embedding模型选型对RAG系统的影响，介绍混合检索与重排序策略的实战优化方法。
RAG 检索增强生成的生产级架构优化：混合检索、语义分块与上下文压缩的工程实战
深度剖析生产级RAG系统的四大核心优化维度：递归语义分块策略、混合检索引擎(向量+BM25+Reranker)、上下文窗口压缩编排，以及Rust高性能检索管道的实现方案，附2026年最新基准对比数据。
