RAG 入门:让模型读懂你的私有资料

一句话

RAG = 先去知识库里检索相关片段,再把片段交给模型组织成答案。

为什么需要它

模型的知识停在训练截止日,且记不住你的内部文档。RAG 让它在回答时临时「翻书」。

基本四步

1. 切分:把文档按段落或滑动窗口切块。

2. 向量化:每块转成向量,存进向量库。

3. 检索:用户提问时,取语义最相近的几块。

4. 生成:把检索到的块连同问题一起交给模型。

成败关键

切分粒度、检索召回率、以及是否把「没有相关信息」这种情况交给模型如实说「我不知道」。检索不到却硬编,是 RAG 最常见的翻车点。