Mother of AI Project：7 周渐进式 RAG 教学，反 AI-first 潮流的「先 BM25 后向量」路线
posts posts 2026-06-03T12:55:00+08:00jamwithai 是 6.5K stars 的 7 周 RAG 教学，反 AI-first「先 BM25 后向量」路线，含 LangGraph Agentic RAG + Telegram Bot。技术笔记RAG, LangGraph, BM25, 教学项目, FastAPIMother of AI Project：7 周渐进式 RAG 教学，反 AI-first 潮流的「先 BM25 后向量」路线
这项目在回答什么
jamwithai/production-agentic-rag-course（仓库 jamwithai/production-agentic-rag-course）在 6.5K stars 的热度下，回答的不是"怎么搭 RAG"——它回答的是一个更根本的工程问题：“RAG 应该从哪里开始？”
当前 AI-first 潮流的答案是"先向量数据库"——任何教程都从 Pinecone / Weaviate / Qdrant 开始。但这个项目走了一条反潮流的路：
“先 BM25 关键词搜索打牢基础，再用向量做混合检索” ——[The Professional Difference] 段落原话
这个反 AI-first 的教学主张，是项目区别于其他 RAG 教程的地方。在 7 周渐进式课程里，每周的技能都建立在前一周的基础上：
- Week 1：基础设施（Docker + FastAPI + OpenSearch + Airflow）
- Week 2：arXiv 论文自动抓取
- Week 3：BM25 关键词搜索
- Week 4：混合搜索（关键词 + 向量）
- Week 5：完整 RAG + 本地 LLM
- Week 6：Langfuse 监控 + Redis 缓存
- Week 7：Agentic RAG + LangGraph + Telegram Bot
7 周课程全景
关键观察：每个 Week 都建立在前一个的基础上，没有任何跳跃。对比多数教程"Week 1 直接上 LangChain + Pinecone + OpenAI"的速成路径，Mother of AI Project 慢得多，但生产可用的概率高得多。
教学法主张：「先 BM25 后向量」
这是整个项目最值得展开的设计取舍。
主流 AI-first 路径：
教程：Day 1 → 安装 Pinecone → 灌 embeddings → 写 RAG 链 → 调用 OpenAI
问题：学员不理解向量空间、不理解 hybrid search 的边界
生产化时发现：纯向量检索在精准匹配场景（型号、ID、专业术语）效果差Mother of AI Project 路径：
Week 3：纯 BM25 关键词搜索
→ 学员理解"为什么 OpenSearch 倒排索引够用"
→ 学员理解"BM25 的 TF-IDF 改进与边界"
Week 4：在 BM25 之上加向量做混合检索
→ 学员理解"混合检索 = 关键词兜底 + 向量增强"
→ 学员理解"什么时候该用哪种"为什么先 BM25 更稳？
| 场景 | 纯 BM25 | 纯向量 | 混合 |
|---|---|---|---|
论文 ID 2301.12345 精准匹配 | ✓✓✓ | ✗ | ✓✓✓ |
| 同义词替换 “RAG” → “检索增强生成” | ✗ | ✓✓✓ | ✓✓✓ |
| 复杂语义 “对比 transformer 和 SSM” | ✗ | ✓✓✓ | ✓✓✓ |
| 长尾查询（小众专业术语） | ✓✓ | ✗ | ✓✓ |
纯向量检索在精准匹配和长尾查询上有系统性缺陷。Mother of AI Project 让学员从 BM25 出发建立"什么时候纯向量不够用"的肌肉记忆，这是多数 AI-first 教程给不出的工程直觉。
技术栈：成熟工业级选择
| Week | 引入的技术 | 选择理由 |
|---|---|---|
| 1 | Docker Compose + FastAPI + PostgreSQL + OpenSearch + Airflow | 全部是"无聊但稳定"的工业选择 |
| 2 | arXiv API + 论文解析 | 数据源真实（非 toy dataset） |
| 3 | OpenSearch BM25 | 与生产搜索引擎同款 |
| 4 | 智能 chunking + 向量嵌入 | 在 BM25 之上做语义增强 |
| 5 | 本地 LLM（Ollama/vLLM）+ Gradio | 隐私 + 可控 |
| 6 | Langfuse + Redis | 可观测性 + 性能优化 |
| 7 | LangGraph + Telegram Bot | 智能体编排 + 移动端 |
整套栈的选型逻辑：
- 不用 LangChain 做编排（Week 5-6 用 LangChain 调 LLM，但 Week 7 的 Agent 编排用 LangGraph）——避免锁死在一家框架
- 不用托管向量数据库（Pinecone/Weaviate Cloud）——用 OpenSearch 自管
- 不用云 LLM（Week 5 强调 local LLM）—— 隐私 + 成本可控
- 不用大模型评测框架——用 Langfuse 做真实 trace
这套栈是给严肃生产项目用的，不是 demo 项目。学完可以直接迁移到生产环境。
Week 7 的 Agentic RAG 创新
Week 7 是项目的"毕业设计"——把前面 6 周的能力打包成智能体：
核心架构（LangGraph 流程）：
5 个关键设计点：
- Query Rewriting：用户问题模糊时先改写再检索（避免"差问题"导致"差答案"）
- Document Grading：检索结果用 LLM 评估相关性，过滤掉无关文档
- Out-of-Domain Detection：出域时主动拒绝回答，防止幻觉
- Telegram Bot 接入：把 RAG 能力带到移动端
- Full Trace 透明：每步决策可调试、可审计、可重放
这套设计把"标准 RAG 链"升级成了带反思的 RAG Agent——检索不到相关文档时重新检索，出域时拒绝回答。
适合谁、不适合谁
适合：
- 想系统性学 RAG 但被零散教程搞晕的初中级 AI 工程师
- 想从 demo 跨越到生产的独立开发者
- 想给团队培训 RAG 工程实践的Tech Lead
- 对"先 BM25 后向量"反潮流路线有共鸣的实用主义者
不适合：
- 想 1 小时搭个 RAG demo 的人（这个项目要 7 周）
- 只关心最新论文 SOTA 的研究者（这里是工程实践）
- 不愿读英文 README 的人（README 24KB，全英文）
怎么用这个项目
自学路径（建议）：
- Clone 仓库，跟着 Week 1 README 走完基础设施搭建
- 每个 Week 花 1 周做实战（约 10-20 小时）
- 配合 jamwithai.substack.com 博客读理论
- 7 周后应能独立搭建生产级 RAG 系统
培训路径（团队用）：
- 把 7 周拆成 7 次团队内部分享
- 每次分享对应一个 Week + 一次 Code Review
- Week 7 之前完成 Group Project
- 7 周后全团队具备 RAG 工程能力
改造路径（直接用）：
- 直接用 Week 5-7 的代码做 arXiv 论文助手
- 把 arXiv 数据源换成你自己的领域数据（论文 / 文档 / 工单）
- 把 Telegram Bot 换成 Slack / 飞书 / Discord
- 3 周内可上线一个生产级领域问答系统
仓库元数据
| 维度 | 取值 | 验证来源 |
|---|---|---|
| 仓库全名 | jamwithai/production-agentic-rag-course | GitHub API |
| Stars | 6456 | GitHub API（2026-06-03） |
| Language | Python | GitHub API |
| 创建时间 | 2025-08-06 | GitHub API |
| 最后更新 | 2026-06-03 04:39 UTC | GitHub API |
| 课程长度 | 7 周渐进式 | README |
| 技术栈 | Python 3.12+ / FastAPI 0.115+ / OpenSearch 2.19 / Docker Compose / Airflow / LangGraph / Langfuse / Redis / Gradio | README |
| 配套博客 | jamwithai.substack.com | README |
参考资源
- 仓库入口：github.com/jamwithai/production-agentic-rag-course
- 配套博客：jamwithai.substack.com
- Week 7 重点文章：Agentic RAG with LangGraph and Telegram
- 6 阶段路线图：The Mother of AI project
- 架构 GIF：RAG Architecture
- LangGraph 流程图：langgraph-mermaid.png