你将完成什么
完成一个可在本机运行的知识库检索练习。它会返回资料编号、正文和分数，并用固定问题集检查命中情况。课程刻意把检索与模型生成分开，让你能定位错误来自哪一层。
适合人群：能运行命令、能阅读简单 JavaScript 的 AI 应用初学者。预计 75 分钟；需要 Node.js 18 或更高版本，无第三方依赖，无 API 密钥。示例资料全部虚构，不能用于实际公司制度判断。
这不是生产级 RAG 系统：没有向量模型、权限服务或在线生成。你会得到一个可解释的词面检索基线，以及接入真实资料前的检查方法。
课程大纲
| 课时 | 内容 | 交付物 |
|---|---|---|
| 01 · 整理可追溯的资料 | 文档编号、来源、版本与切分 | 三条资料记录 |
| 02 · 实现本地检索 | 中文二元字符切分与排序 | 可运行检索程序 |
| 03 · 用问题集评估检索 | Recall@k、无答案、生成边界 | 测试报告与失败分析 |
下载练习
下载 rag-lab.cjs，然后在文件所在目录运行：
node rag-lab.cjs
node rag-lab.cjs --test
默认查询为“报销需要什么材料”。这里的数据规模很小，排序分数是词面重叠比例，不是答案正确概率。课程中会讨论它的不足。
完成标准
能解释每条检索结果来自哪条资料；能运行并修改测试；能举出一个检索失败案例；能说明为什么找到片段并不代表模型生成的答案一定有依据。
读完后可继续看：提示词修改的评测方法，把离线基线扩展为自己的应用评估流程。