检索增强生成（Retrieval-Augmented Generation）

先从外部资料中检索相关内容，再把检索结果交给模型生成回答的方法。

---

一、是什么

• 先从外部资料中检索相关内容，再把检索结果交给模型生成回答的方法。
• 类比：像开卷考试，先翻资料再作答。
• 关键澄清：

它不是什么	它是什么
不是让模型自动变成数据库	把搜索/知识库和生成模型组合起来

二、为什么重要

• 它能降低幻觉、补充私有知识，并让答案更可追溯。
• 不懂它会怎样：检索到错资料，模型也会一本正经地错。

三、日常怎么理解

• 用一句话讲给非技术朋友听：RAG 就是让 AI 先查资料再回答。
• 常见场景：企业知识库问答、客服资料查询、内部制度助手。

四、常见误解

误解	真相
做了 RAG 就不会幻觉	RAG 降低风险，但仍需检索质量、引用和验证。

五、延伸阅读

• 本知识库相关：嵌入/向量、幻觉
• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
• 06-Knowledge: 08-AI工程学.md: `