核心指数 检索 4/5
RAG 是读取机制，质量来自语料、切分、元数据、rerank 和引用，不是“接向量库”。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：回答前先去资料库取证据，再带着证据回答。
专业释义：Retrieval-Augmented Generation：通过 chunking、metadata、embedding/BM25/hybrid retrieval、rerank 和 citation 将外部知识注入上下文。
当天检查：能区分来源证据和模型推理。
参考脉络：DeepLearning.AI RAG / OpenAI retrieval guidance
通俗释义：给资料贴标签，并告诉读者证据来自哪里。
专业释义：metadata 用于过滤、排序、权限和时间语义；citation 用于把回答中的事实绑定到可检查来源。
当天检查：能设计 source/date/author/permission/chunk_id schema。
参考脉络：RAG evaluation practice
通俗释义：把“概念定义”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：概念定义 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 概念定义，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“工程实现”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：工程实现 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 工程实现，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“失败模式”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：失败模式 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 失败模式，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“理解表达”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：理解表达 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 理解表达，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
RAG 是读取机制，质量来自语料、切分、元数据、rerank 和引用，不是“接向量库”。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
文档 → chunk → metadata → retrieval → rerank → citation
今天围绕“RAG：Chunk、Metadata、Rerank、Citation”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。RAG 是读取机制，质量来自语料、切分、元数据、rerank 和引用，不是“接向量库”。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我能围绕 RAG：Chunk、Metadata、Rerank、Citation 讲清楚工程目标、实现方式、指标和失败处理。
文档 → chunk → metadata → retrieval → rerank → citation
为 Agent 学习资料设计 metadata schema。
完成标准：回答中区分来源证据和模型推理。
目标、状态、计划、工具、观察、评估、记忆构成最小 agentic 闭环。