全面详解 LlamaIndex 核心包中 15 种分块策略，涵盖基础文本分块（Token/Sentence/Code）、语义分块（SemanticSplitter/SemanticDoubleMerging）、文件格式感知（HTML/Markdown/JSON）、关系层级分块（SentenceWindow/Hierarchical/MarkdownElement），附选择指南与代码示例。

LlamaIndex 索引类型全景梳理，涵盖基础索引（VectorStore/Summary/Tree/KeywordTable）与高级索引（KnowledgeGraph/PropertyGraph/DocumentSummary/MultiModal），详解每种索引的核心原理、适用场景与选型建议。

LlamaIndex NodeParser 完全指南，详解文档解析与分块策略，覆盖 SentenceSplitter、SemanticSplitter、HierarchicalNodeParser、JSONNodeParser 等核心分块器，以及分块大小、重叠窗口与语义完整性的最佳实践。

Milvus 向量数据库完整学习手册，从向量数据库基础概念讲起，详解 Milvus 2.x 存算分离架构、核心组件、索引类型（FLAT/IVF/HNSW/DISKANN）、数据模型、CRUD 操作、混合检索、性能调优与生产部署最佳实践。

MaxKB v2 全方位学习教程，从功能使用到源码深度剖析。详解企业级智能体平台的 RAG 检索增强、工作流引擎、模型中立、无缝嵌入四大核心能力，覆盖技术栈、架构设计、源码实现与生产部署。

基于 LlamaIndex v0.14.22 最新稳定版的精通教程，全面覆盖生态系统（LlamaParse/LlamaAgents/LlamaHub）、安装配置、核心抽象、数据加载、索引构建、检索策略、查询引擎、Agent 开发、Workflow 编排与生产部署。

基于 LlamaIndex 源码深度剖析全部 14 种索引类型，涵盖 VectorStoreIndex、SummaryIndex、TreeIndex、KeywordTableIndex、KnowledgeGraphIndex、PropertyGraphIndex 等，详解构建原理、检索策略、内部组件与实战选型建议。

本文按核心框架、向量数据库、嵌入模型、文档处理、检索增强、评估工具、GraphRAG、低代码平台、Agentic RAG九大维度，整理2026年RAG技术生态的主流开源项目，便于快速选型与落地。 一、核心RAG框架（全流程编排） 项目名称 GitHub星数 核心优势 适用场景 开源协议 GitHub