检索入门基础概念
RAG
检索增强生成 · Retrieval-Augmented Generation
回答前先从外部资料中检索相关片段，再把它们作为上下文交给模型生成答案的方法。
最后核验 2026-09-04 · 已核验
用一个类比理解
像开卷考试：模型不用凭记忆硬答，而是先翻到可能相关的页，再根据找到的材料作答。建议先看：LLM
它解决什么
- 让回答基于私有或最新资料
- 为答案提供可追溯来源
- 减少对训练记忆的依赖
它不是什么
- RAG 不保证资料正确
- 检索到材料也不保证模型正确引用
- 它不是训练模型
适合使用
- 知识频繁更新
- 内容来自企业或个人资料库
- 需要引用来源
暂时别用
- 资料很少且可直接放进上下文
- 任务主要改变输出风格或行为
- 问题不依赖外部知识
常见失败方式
- 只优化向量库忽略数据清洗
- 切块破坏语义
- 没有分别评测检索和生成
基本流程
系统把问题转换成检索请求，从知识库召回候选片段，必要时重排，然后将精选上下文与问题一起交给模型。
先判断瓶颈
回答错误时先检查“正确资料有没有被检索到”。如果没有，是检索问题；如果有但答错，才主要是生成和提示问题。
可信来源