2. 环境搭建与第一个 RAG

这是什么：最小 RAG = 不引任何框架，用十几行代码就能跑通「切分 → 检索 → 带资料生成」的小闭环。

为什么用：上一章讲清了 RAG 的原理，可原理图再漂亮也不等于会写。先手搓一个最笨但完整的版本，才能看清每一步到底在干什么。

如何用：本章用 NumPy 拼出切分、向量检索、带资料生成这三步，跑通后再让它敢说「资料中没有」。

2.1 环境准备

按 虚拟环境 venv 教程建环境（沿用 OCR 教程那套）：

mkdir rag-lab && cd rag-lab
python -m venv .venv
.venv\Scripts\Activate.ps1        # (macOS/Linux: source .venv/bin/activate)

pip install openai numpy

Key 和模型名沿用 LLM 教程 的约定，从环境变量读，不写死在代码里：

$env:LLM_API_KEY = "你的key"
$env:LLM_BASE_URL = "https://api.openai.com/v1"   # 可换成任意兼容服务
$env:EMBED_MODEL = "text-embedding-3-small"       # 向量模型
$env:CHAT_MODEL = "gpt-4o-mini"                   # 对话模型

版本说明：NumPy 2.5.4 要求 Python ≥3.12，openai 3.35.1 要求 ≥3.10——本教程用 Python 3.12 及以上，站点基线 3.15 直接可用。 前置检查：兼容服务必须支持 /v1/embeddings 接口（下一章会讲不支持时怎么办）。

2.2 最小 RAG：三步闭环

新建 first_rag.py，整段照抄可跑：

import os
import numpy as np
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["LLM_API_KEY"],
    base_url=os.environ.get("LLM_BASE_URL", "https://api.openai.com/v1"),
)
EMBED_MODEL = os.environ.get("EMBED_MODEL", "text-embedding-3-small")
CHAT_MODEL = os.environ.get("CHAT_MODEL", "gpt-4o-mini")

# 「知识库」：先用几条手写资料代替真实文档
DOCS = [
    "RAG 是检索增强生成：先检索资料，再让大模型基于资料回答。",
    "向量嵌入把文字映射成高维数字，语义相近的文字距离更近。",
    "Chroma 是一个开源的向量数据库，支持本地持久化。",
]

def embed(texts):
    """文字 → 向量。openai SDK 会把输入按批次发给模型"""
    resp = client.embeddings.create(model=EMBED_MODEL, input=texts)
    # 按 index 排序，保证返回顺序和输入顺序一致
    return [d.embedding for d in sorted(resp.data, key=lambda d: d.index)]

def cosine(a, b):
    """余弦相似度：1 = 完全同向，0 = 无关，-1 = 相反"""
    a, b = np.asarray(a), np.asarray(b)
    return float(np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)))

# ① 建索引：把资料向量化一次
VECTORS = embed(DOCS)

# ② 检索：拿问题向量跟每条资料算相似度
def search(question, top_k=2):
    qv = embed([question])[0]
    scored = sorted(
        ((cosine(qv, v), text) for v, text in zip(VECTORS, DOCS)),
        key=lambda x: x[0], reverse=True,
    )
    return scored[:top_k]

# ③ 生成：把检索到的资料和问题一起交给模型
def ask(question):
    hits = search(question)
    context = "\n".join(f"[{i + 1}] {text}" for i, (_, text) in enumerate(hits))
    prompt = (
        "只根据下面资料回答问题。资料里没有的信息，就回答「资料中未提及」。\n\n"
        f"资料：\n{context}\n\n"
        f"问题：{question}"
    )
    resp = client.chat.completions.create(
        model=CHAT_MODEL,
        messages=[{"role": "user", "content": prompt}],
    )
    return resp.choices[0].message.content, hits

answer, hits = ask("RAG 是什么？")
print(answer)
for score, text in hits:
    print(f"  {score:.3f}  {text}")

运行：

python first_rag.py

你会看到（示例）：

RAG 是检索增强生成，即先检索资料，再让大模型基于这些资料来回答问题。
  0.812  RAG 是检索增强生成：先检索资料，再让大模型基于资料回答。
  0.655  向量嵌入把文字映射成高维数字，语义相近的文字距离更近。

2.3 读懂这三步

2.4 让它敢说「资料中没有」

提示词里那句「资料里没有的信息，就回答『资料中未提及』」是 RAG 里最值钱的一句话——它把「不知道」变成了合法答案，模型就不容易瞎编。

再稳一点，可以加个兜底：

if not hits or hits[0][0] < 0.3:      # 最高相似度太低，说明没找到相关资料
    return "抱歉，知识库里没有找到相关资料。", hits

2.5 常见翻车现场

2.6 动手改

1. 把 DOCS 换成 10 条你自己的资料（比如你博客的简介），问三个问题，看检索排序合不合理
2. 故意问一个资料里没有的问题，看看模型是老实说「未提及」还是开始编
3. 把 top_k 改成 1 和 3，对比答案质量的变化

2.7 小结

• 最小 RAG = 建索引 → 检索 → 生成，三步就够
• 嵌入用 client.embeddings.create，相似度用 NumPy 手写余弦
• 提示词里必须写死「只根据资料回答，没有就说未提及」
• top_k 是第一个要调的旋钮

下一章：文档切分，决定 RAG 效果上限的那一步 🐸