系统梳理了检索增强生成（RAG）技术的核心方案，涵盖基础分块、检索优化、智能路由及多模态扩展等六大领域。重点介绍了 Simple RAG、语义切块、上下文增强、重排序（Reranker）、自适应 RAG 及知识图谱融合等主流方法。通过对比各方案的实现难度与应用场景，为构建高效的大模型问答系统提供技术选型参考，旨在解决大模型在实时性与事实性上的不足。
近年来，随着大语言模型（LLM）的广泛应用，检索增强生成（Retrieval-Augmented Generation，RAG）系统逐渐成为连接私有知识库与智能问答的核心架构。RAG 不仅弥补了大模型在实时性与事实性上的不足，也通过多种技术路径不断演进，形成了丰富的方法体系。
本文基于一份内部技术评估表，系统梳理了当前主流的 RAG 技术路线，并对其核心思路、实现难度与应用场景进行解读。
核心思路：将文档按固定长度切分为多个 chunk，直接用于检索。切分策略包括：按字数切块、按分句切块、按分段切块
优点：实现简单，适合小规模项目或初步验证。
局限：容易割裂语义，导致上下文丢失。
示例：
回答用户的问题：'北京有什么著名的景点？'
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
