RAG 翻车的第一责任人，往往是数据清洗
大多数人把 RAG 效果不好归咎于选错向量库或 Embedding 模型，但脏数据一旦进索引，检索精度会断崖式下跌。这篇拆一个四层预处理 Pipeline，以及几个最容易被忽略的坑。
#RAG
共 4 篇文章
RAG 从检索到答案，中间还隔着三道关
索引只是地基。真正决定 RAG 答得准不准的，是用户提问之后的召回、重排与生成——外加一个常被忽略的反馈闭环。这篇把在线链路拆开讲透。
RAG 切 PDF：全文入库还是抽字段？一个反直觉的结论
做 RAG 时最先要做的决定不是选向量库，是决定 PDF 切完之后存什么。全文入库和结构化提取是两条完全不同的路，医疗场景的数据把这个问题讲得很清楚。
零成本搭一个 AI 新闻雷达
用开源项目 Horizon 加 GitHub Actions 的免费额度，每天自动抓 Hacker News、Reddit 和各大官方博客，AI 打分筛选后生成日报推到飞书。全程不花钱。