RAG 1.0 是以 LLMOps 为核心的 RAG 编排系统，通过把各种组件如 Embedding 模型，向量数据库等编排在一起，快速让用户搭建起原型。然而在面向企业级场景使用的时候，常常会面临各种问题却无法应对。RAG 2.0 是以搜索为核心的端到端系统，它将整个 RAG 按照搜索的典型流程划分为若干阶段：包含数据的信息抽取、文档预处理、构建索引、以及检索，并且每个环节都围绕一系列模型协同工作。本次分享主要带来 InfiniFlow 在这些环节的具体进展，并介绍如何打造标准化的企业级 RAG 2.0 产品。

演讲提纲

1、RAG 1.0 的痛点

2、以搜索为中心的 RAG 2.0

1）数据抽取模型——实现与演进

2）文档预处理模型

•  知识图谱
•  聚类
•  Embedding 的选择与微调

3）召回和排序

•  全文搜索
•  Blended RAG 三路召回
•  Tensor 召回与Cross Encoder

4）Agent 与 Agentic RAG

3、RAG 的未来发展

听众收益
1. 如何解决 RAG 落地场景的技术挑战
2. 如何实现企业级 RAG 和 Agent