RAG实战 附录常用工具与库清单，常见问题

附录

本附录旨在为读者提供额外资源，帮助读者将理论知识转化为实际应用。我们将列出 RAG 系统开发中常用的工具与库，提供实用的案例代码仓库地址，并解答在 RAG 开发和部署过程中可能遇到的常见问题。

---

附录 A：常用工具与库清单

构建一个健壮的 RAG 系统需要集成多个组件。以下是我们在开发和部署过程中常用的工具和库。

向量数据库/检索引擎

向量数据库是 RAG 系统的核心，用于存储和检索文本的向量表示。

• 开源选项：

  适用于自建和需要高度定制的场景。

  • Milvus： 高性能、高可用、可扩展的云原生向量数据库，支持多种相似度指标和索引类型。
  • Weaviate： 一个开源的向量搜索引擎，支持语义搜索、问答和混合搜索，内置了对多种 Embedding 模型的支持。
  • Qdrant： 专注于高性能向量搜索的数据库，支持基于 Payload 的过滤，适合精确搜索。
  • Chroma： 轻量级、易于使用的嵌入数据库，可以作为本地测试或小型项目的快速启动选项。

• 云服务