1. 从自己搭建 RAG 说起

前面的文章已经把一条 RAG 链拆开了：读取文件、解析正文、切块、计算 Embedding、写入向量库，用户提问时再检索、重排和生成答案。理解这些步骤以后，我们可以自己控制每一个环节，但也必须处理索引更新、任务重试、模型调用和存储运维。

Cloudflare AI Search 提供了另一种选择。我们把文档或网站交给它，它负责完成解析、切块、Embedding 和索引；查询时，它可以只返回相关片段，也可以继续调用模型生成答案。它没有改变 RAG 原理，只是把通用的检索基础设施托管起来。

这很像使用对象存储。R2 没有改变「文件由字节组成」这件事，只是省去了自己维护磁盘和副本。AI Search 也没有让检索凭空变准确，它只是让我们不必从零维护爬虫、向量索引和同步任务。