资源介绍
《从第一性原理理解RAG》是一本面向实践者的检索增强生成（RAG）技术指南，试图回答一个看似简单却常被忽略的问题：大语言模型究竟该怎样与外部知识连接，才能生成更可靠、更符合实际需求的答案？全书围绕Python、LangChain和LlamaIndex三条主线展开，不满足于罗列框架接口，而是从数据进入系统的第一步讲起，逐步带读者建立对RAG工程链路的完整认识。本书由新加坡科技研究局A*STAR高级研究工程师黄佳撰写，拥有二十多年AI与数据项目经验，长期关注自然语言处理、大语言模型和应用AI工程，书中内容因此带有明显的生产实践导向。本书首次出版于2026年5月，由Packt Publishing出版；生成式AI工具仅用于辅助构思、措辞和图示草拟，技术内容及代码均由作者与编辑团队创作、验证和测试。从目录可以看出，书中首先围绕“数据导入”展开，系统讲解如何使用DataLoader读取简单文本，如何借助LangChain加载TXT文件、批量读取目录，以及利用LlamaIndex接入LlamaHub中的数据；随后把范围扩展到更复杂的真实资料，包括通过Unstructured工具解析不同格式的文档，借助JSON Loader抽取特定元素，从图片、PPT等富媒体内容中提取文字，并用大模型处理图文混排页面。这部分尤其适合正在处理企业知识库、技术手册、演示文稿或网页资料的人，它提醒读者，RAG的效果并不只取决于最后调用了哪个大模型，前期怎样切分、读取和整理数据往往同样关键。书中还介绍了CSV表格数据的导入，并比较CSVLoader与UnstructuredCSVLoader的差异；针对网页资料，介绍了WebBaseLoader和UnstructuredLoader，既关注常规网页抓取，也关注页面元素的细粒度解析；Markdown则单列为重要类型，围绕标题、层级结构和文档切分展开讨论。从这些安排可以看出，作者试图把RAG拆成一个个可以理解、选择和验证的工程步骤，而不是把它包装成一句“向量库加模型”的简单口诀。对初学者而言，这种从数据读取、文档结构化一路走向检索与生成的讲法，有助于补齐许多教程中一带而过的基础环节；对已经做过问答系统、知识库或企业搜索的工程师而言，LangChain与LlamaIndex的并行演示也能提供更具体的实现参照。黄佳此前已著有多本AI技术书，在线RAG工程课程拥有超过一万名学习者，这使本书在教学性和工程性之间保持了较好的平衡。它尤其适合正在入门大模型应用开发、希望亲手构建RAG系统的Python开发者，以及需要处理非纯文本资料、关注知识库可靠性和检索质量的AI工程师与技术负责人；如果你已经熟悉基础模型调用，但仍说不清外部资料究竟如何被导入、组织和送入检索流程，那么从这本书开始梳理，反而比直接照搬一个完整项目更容易形成可迁移的理解。