从 RAG 到个人知识库

一篇讲 RAG 的中文长文。前三章讲公司怎么搭一个答得准的知识库，第四章转回个人：把自己写过的文章、读书笔记做成能检索的资料库，写东西时先让 AI 从里面找素材。RAG 叫检索增强生成，意思是 AI 回答前先去你给的资料里翻，照着资料答，不光凭自己的记忆。

讲了什么

• Embedding：把一段话变成一串数字，意思越接近，数字越接近，电脑就能算出哪段资料和你的问题最像。
• 资料要按意思切成小段：表格每一行改写成一句完整的话，PDF 按标题和段落切，聊天记录按一问一答切，别把一个完整的意思切成两半。
• 公司级要多做几件事：先粗找一百条，再用专门打分的模型精挑十条；语义搜索和关键词搜索一起用，查编号这类精确信息才不漏；新文档排在旧文档前面。
• 个人版简单得多：资料整理成 Markdown 文本，按段落切，每段三五百字，用免费的开源工具存在自己电脑上，不用服务器。
• 文末三段检索提示词：找素材、写初稿、找出处。写法相同，说清你在写什么、要找哪几方面、在哪个范围找、返回几段。

适合谁

• 文章和读书笔记攒了很多，写新东西时总翻不到旧素材的人
• 想弄懂 RAG、Embedding 到底指什么的人

怎么开始

1. 只想懂概念，读第一章和第四章就够，中间两章是技术细节。
2. 把要入库的文章和笔记整理成文本文件，Markdown 最好。Markdown 是一种带简单标记的纯文本，能保留标题和加粗。
3. 搭检索库要写代码，可以把第四章的做法讲给 Claude Code 或 Codex，让它在你电脑上搭。

要注意

• 那三段提示词要配合搭好的检索库用，直接发给普通聊天 AI，它手里没有你的资料可翻。
• 原文标题讲的是靠接知识库项目赚钱，开头的收入是作者自述，正文才是技术做法。
• 文中推荐的模型和数据库，动手前再查查有没有更新的。