_{记忆点：离线建好知识，在线找准证据，生成全程可观测。}

💡 答案要点

两条流水线：

索引流水线（离线）：
文档 → 加载 → 切分 → 向量化 → 存储到向量库

查询流水线（在线）：
用户问题 → 向量化 → 检索 → 生成答案

详细流程：

┌─────────────────────────────────────────────────────────────────┐
│                        RAG 系统全貌                              │
└─────────────────────────────────────────────────────────────────┘

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│  文档加载器   │ ──→ │  文档切分器   │ ──→ │  Embedding   │
│  (Loader)    │     │  (Splitter)  │     │   (向量化)    │
└──────────────┘     └──────────────┘     └──────────────┘
                                                 │
                                                 ↓
┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│  LLM 生成答案  │ ←── │  检索器      │ ←── │  向量数据库   │
│  (Generator) │     │  (Retriever) │     │  (Vector DB) │
└──────────────┘     └──────────────┘     └──────────────┘

6 个核心步骤：

1. 加载：从 PDF/Markdown/网页读取文档
2. 切分：切成小 chunks（500-1000 tokens）
3. 向量化：用 Embedding 模型转成向量
4. 存储：存入向量数据库
5. 检索：计算相似度，返回 top-k chunks
6. 生成：LLM 基于检索内容生成答案

📚 参考：LlamaIndex：Understanding RAG（分阶段流程）