RAG

梳理了 LightRAG 之后，发现 LightRAG 对持久化支持的还不够多，缺少了最重要的 TiDB (不是)。故抽空贡献之，顺便写个软文。

本文旨在通过论文+源码的解读，探究 RAG 算法的架构设计和具体的代码实现。本文主要讨论了 GraphRAG、LightRAG 和 RAPTOR RAG，除此之外还提及了 Anthropic 提出的 Contextual Retrieval 上下文检索和 RAG 算法的评估方法。最后在实践中，建议还是根据知识库文档的规模来选择不同的方法。

随着 Transformer 架构的流行，目前很多 Embedding 和 Rerank 模型都逐渐基于这个架构。借此机会梳理一下研究的过程和历史，盘点一下目前几个知名的 Rerank 模型的组织和公司所采用的架构。最后回归正题浅谈目前 RAG 场景到底要不要用 Rerank。

本文详细介绍了使用 Coze 平台搭建 TiDB 文档助手的全过程。此外，文章介绍了 TiDB Help Bot 的设计和实现，并明确了机器人的角色和使用限制。

本文详细介绍了多种向量相似性检索方法，如 KD 树、IVF 倒排索引、HNSW 和 LSH。通过分析 Annoy、Faiss、PGVector 和 FALCONN 源码中的具体实现，从数据结构到算法实现进行了详细的介绍。