一、定义：什么是 RAG
RAG 全称为 Retrieval-Augmented Generation，即检索增强生成技术。它是一种将大型语言模型（LLM）与外部知识库结合的 AI 模型架构，使模型能够在生成回答之前检索相关信息。
二、RAG 的工作流程
- 索引阶段：将文本或文档转成向量表示，并存储在向量数据库中；
- 检索阶段：用户提问时，系统将查询也转成向量，并检索数据库中相关内容；
- 增强阶段：将检索到的信息拼接进提示（prompt）中，作为生成的上下文；
- 生成阶段：语言模型基于原始训练数据与检索到的上下文共同生成回答。
三、RAG 的主要优势
- 减少“幻觉”：可引用外部可靠资料，模型生成的答案更可信；
- 即时更新知识：无需频繁重训练，即可迅速补充新信息；
- 支持定制化应用：可接入企业内部文档库，为领域任务提供高准确率输出。
四、典型应用场景
- 企业客服机器人通过接入公司文档系统提供准确政策回答；
- 知识问答系统调用行业报告、法规、用户手册等数据生成答案；
- 教育平台检索最新资料生成精准解答。
五、总结
RAG 是一种能让 LLM 利用外部知识库实时补充信息的生成方式，使得回答更准确、内容可追溯、适应性更强。它已成为企业定制 AI 服务的重要技术方案。
