RAG 检索增强生成 · 一页

一句话

RAG(Retrieval-Augmented Generation)在生成答案前,先从外部知识库检索相关片段,再交给模型组织成回答。

关键节点

• 切分文档并向量化建库
• 提问时检索语义最相近的若干块
• 将检索块与问题一并送给模型

核心要点

• 补知识:突破训练截止与私有资料限制。
• 可溯源:答案能对应到具体出处,便于核查。
• 陷阱:检索召回不准时,模型照样会硬编,必须留「我不知道」的出口。

> 与微调相比,RAG 更新成本低,适合资料频繁变动的场景。