这篇文章的好处是"不堆框架"。作者用最朴素的 scikit-learn 把检索、向量化、重排串成一条能跑的 RAG 流水线，而不是一上来就上 LangChain 或 LlamaIndex。一句让我印象深刻的话大意是：你不一定需要最重的框架，先把"检索—生成"这条主线跑通，再谈复杂度。对想真正理解 RAG 内部发生了什么的人，这种"手搓版"比黑盒调用收获大得多，你看得见每一步在做什么。
适配谁看：有一定 Python 基础、想搞懂 RAG 原理而不是只会调 API 的开发者；也适合被各种框架劝退、想要一条最小可行路径的人。它不教你"三天做出产品"，但能让你下次用现成工具时知道自己在抽象掉哪一层。
编辑补充：文中思路偏"自己搭"，如果你更想直接用一个成品去接业务，可以看看本站收录的 Dify——它把 RAG 的检索、知识库管理都做成了可视化配置，适合不想从零写代码的场景。两类路线不冲突：先读 MLM 这篇打底，再用 Dify 落地，理解会扎实很多。