什么是 RAG？
发布于
一、定义
RAG（Retrieval-Augmented Generation，检索增强生成）把外部知识检索和大语言模型生成结合起来。先从知识库检索相关文档，再让 LLM 基于检索结果生成回答。
二、解决的问题
- LLM 知识截止，不知道最新信息。
- LLM 幻觉，编造内容。
- LLM 不知道企业私有知识。
- RAG 通过检索真实文档，让回答有据可依。
三、基本流程
- 索引阶段：文档切分 → 向量化 → 存入向量数据库。
- 检索阶段：用户问题向量化 → 在向量库检索 Top-K 相关文档。
- 生成阶段：把检索结果拼到 Prompt → 调用 LLM 生成回答。
四、对比
- Fine-tune：改变模型参数，适合风格/格式调整，知识更新需重训。
- RAG：不改模型，知识存在向量库，更新只需更新文档。
- 实际常结合：RAG 做知识注入，Fine-tune 做风格对齐。