Illustration 1

Position: 开篇比喻（第2段：学霸+图书馆比喻） Purpose: 形象化展示 RAG 的核心隐喻，让读者直观理解 LLM+知识库的关系 Visual Content: 一个AI机器人（代表LLM学霸）站在图书馆前，手持书本，向用户回答问题；图书馆内满是向量书架，检索引擎发光 Filename: 01-scene-rag-metaphor.png

Illustration 2

Position: 第2节"RAG的工作流程" Purpose: 清晰展示三阶段流程：Indexing → Retrieval → Generation Visual Content: 从左到右三阶段流程图：数据准备（切片→向量化→存储）→ 检索（问题→向量搜索→Top-K）→ 生成（Prompt拼接→LLM→答案），标注关键术语 Filename: 02-flowchart-rag-workflow.png

Illustration 3

Position: 第3节"RAG vs.微调" Purpose: 并列对比两种技术路径，传达"开卷vs闭卷"的核心理念 Visual Content: 左右对比布局：左侧 RAG（开卷考试，实时数据库，答案可溯源）vs 右侧 Fine-tuning（闭卷考试，知识内化，训练成本高）；包含四个维度对比 Filename: 03-comparison-rag-vs-finetuning.png

Illustration 4

Position: 第4节"RAG的优势" Purpose: 可视化展示三大优势（低成本、透明、安全） Visual Content: 三列图标展示区：低成本（$图标+无训练费用）、透明度（引用文档图标+可溯源）、安全性（锁图标+隐私保护）；底部注明典型应用场景 Filename: 04-infographic-rag-advantages.png

Illustration 5

Position: 第5节"进阶趋势" Purpose: 展示 Advanced RAG 的三大技术模块及其关系 Visual Content: 框架图：查询改写（Query Rewriting）→ 混合搜索（Hybrid Search）→ 重排序（Rerank）→ 精准生成；标注各模块在流程中的位置和作用 Filename: 05-framework-advanced-rag.png