RAG 是 LLM 服务 B 端的最广泛场景，也是标准使用范式。RAG 系统技术栈开源软件很多，可以很快地利用它们搭建起一个 demo，但是真正落实到 B 端服务，面临的挑战却很大，实施周期也很长。 本分享根据 RAG 落地实践，给出解决这些问题的几个要点，并根据这些要点，推导出搭配 RAG 的数据库，应该具备什么样的能力。最后，本分享给出围绕这些 RAG 痛点设计的新一代开源 AI 原生数据库 Infinity 的系统架构和实现，以及我们的端到端 RAG 解决方案框架设计细节。

演讲提纲：

1. 主流 RAG 的架构设计

2. RAG 实践的痛点总结

3. 如何解决 RAG 面临的问题

4. 开源数据库 Infinity 的系统架构

5. 开源数据库 Infinity 跟各类数据库的对比

6. 展望 RAG 未来的发展

听众收益：

• 了解 InfiniFlow 在各行业实施 RAG 的一手实践经验
• 了解开源 AI 原生数据库 Infinity 的实现细节
• 了解 RAG 技术的能力边界和未来展望

方案痛点：

• AI 原生数据库只是解决 RAG 落地挑战的必备手段之一，除数据库之外，还需要其他数据库之外的措施，才能缓解 RAG 的痛点。另一方面，Infinity 作为一款全新开发的开源数据库，在产品成熟度还有差距，分布式架构还没有准备好，因此需要一定的时间来演进。