✅ 模块组合总图

PDF/网页/文档
   ↓
DocumentLoader
   ↓
TextSplitter
   ↓
Embeddings（OpenAI等）
   ↓
VectorStore（FAISS等）
   ↓
.as_retriever()
   ↓
用于 RetrievalQA / ConversationalRetrievalChain

🧪 一句话跑通全部流程的示意代码（RAG 典范）：

python
复制编辑
from langchain.document_loaders import PyPDFLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import FAISS

# 1. 加载文档
loader = PyPDFLoader("10-K.pdf")
docs = loader.load()

# 2. 切块
splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
chunks = splitter.split_documents(docs)

# 3. 嵌入 + 建立向量数据库
embedding = OpenAIEmbeddings()
vectorstore = FAISS.from_documents(chunks, embedding)

# 4. 构造 Retriever
retriever = vectorstore.as_retriever()