用途：帮助构建生产级本地 RAG 流水线，围绕检索契约设计、BM25 基线搜索引擎、分层分块与检索评估展开，来源为 Nahid Mahmud 的 AI 与数据工程路线图。
主要能力：Day 01 提供检索契约设计、受治理语料创建、金标准数据集（questions.jsonl）与评估框架；Day 02 提供带倒排索引与 Okapi BM25 排序的 BM25 基线搜索引擎，支持 Recall@10 评估；Day 03 提供分层分块 RAG 流水线（文档、章节、段落三级），使用确定性分块 ID、父子元数据关联，并支持失败模式分析。可通过 BM25 与向量检索（sentence-transformers + faiss-cpu）组合成混合检索，按 alpha 权重融合，并按分块粒度过滤，另有 Recall、Precision、MRR 评估与父子上下文检索、失败模式分析等模式。
使用方式：克隆仓库后按天进入目录安装依赖。
git clone https://github.com/Nahid-mahmud555/ai-data-engineering-roadmap.git cd ai-data-engineering-roadmap
cd Day_02 pip install -r requirements.txt
cd Day_03 pip install -r requirements.txt
常见依赖包括 numpy、rank-bm25、sentence-transformers、faiss-cpu。项目结构为 Day_01（检索契约与金标准数据集）、Day_02（BM25 基线，含 baseline_bm25.py、corpus/、questions.jsonl）、Day_03（分层分块 RAG 流水线，含 pipeline.py、corpus/、questions.jsonl）。
适用场景：需要本地、可评测的检索与 RAG 实验，比较不同分块粒度或 BM25 与向量检索融合效果时。
限制：资料未提供运行环境版本、硬件要求、性能数据、许可或收费信息；实际效果需以仓库与代码为准，暂未提供更多说明。