科普释义

学到一个新概念，先别急着啃源码。花 2 分钟扫一眼这里——知道它是什么、为什么出现、在整个体系里站在哪个位置。后面再深入博客和代码时，心里就有一张坐标图了。

检索 & 分词

概念	一句话
倒排索引	搜索引擎的「目录页」——从词查文档，而不是从文档找词
IK 分词器	把中文句子切成有意义的词，ElasticSearch 中文检索的基石
BM25	打分公式——给查询和文档的匹配程度算一个「相关性分」

向量 & 语义

概念	一句话
Embedding	把文字变成一串数字（向量），意思相近的词向量也相近
HNSW	让向量检索从「遍历百万条」变成「跳 20 步就找到」的索引算法
向量数据库	专门存向量、搜向量的数据库——RAG 的存储基座（Milvus/Qdrant/Chroma 等）
Rerank	精排——粗召回后，用更强的模型把最相关的几条挑出来

混合检索

概念	一句话
混合检索	关键词检索 + 语义检索双管齐下，既不怕冷词也不丢语义

图 & Agentic 检索

概念	一句话
GraphRAG	在图谱上做 RAG——从查文档变成查关系，回答需要多跳推理的问题
Agentic RAG	让 LLM 自己决定什么时候检索、查什么、查几次——RAG 的自主决策版

Agent 核心模式

概念	一句话
ReAct	Think → Act → Observe 循环——所有 AI Agent 的底层思维模型
MCP	给 AI 工具世界造一个 USB 接口——标准化工具接入协议

通信 & 流式

概念	一句话
SSE	服务端单向推送——ChatGPT 打字机效果的底层技术（与 WebSocket 对比：SSE 单向，WS 双向）
Base64	二进制数据的「文字版」——让图片/音频能在 JSON 里传输

部署 & 工程化

概念	一句话
Docker	把应用和环境打包成「集装箱」——在哪跑都一样 → 进阶文档
Docker Compose	一个 YAML 描述所有服务——一条命令全部启动
多阶段构建	编译用重型工具，运行只留最小文件——给镜像瘦身
ORM	用写代码的方式操作数据库——user.save() 代替 INSERT INTO
Monorepo	把前后端多个项目放在一个 Git 仓库里管

---

阅读建议

这些概念的编排不是按字母序，而是按 RAG 数据流 + 工程化链路：

原始文档 → IK分词/倒排索引 → BM25打分 ──→ 混合检索 ──→ Rerank精排 → 最终上下文
                          Embedding向量 ↗       │
                      HNSW索引 ↑ Milvus存储 ↑    ├─→ Neo4j图谱 → Cypher查询 → GraphRAG
                                                 └─→ LLM自主决策 → Agentic RAG
                                                       ReAct循环 ↑  MCP工具 ↑

通信层：SSE（服务端推送）→ WebSocket（双向实时）→ Base64（二进制编码）
工程化：Docker → Docker Compose → 多阶段构建 → Monorepo → ORM

建议从左往右读：先搞懂「怎么找」，再搞懂「怎么找得更准」，然后搞懂「怎么让 AI 自己决定怎么找」，最后补齐工程化能力。