浅谈RAG

在人工智能飞速发展的当下，RAG（检索增强生成）正解决大模型凭空编造答案的痛点，简单来说，它就是让AI先查资料、再写答案，大幅提升回答的准确性。

RAG的实现依托向量技术。前期工作人员把文档拆分、通过嵌入模型转为数字向量，存入向量数据库建立知识库。用户提问时，问题同样被转化为向量，系统依靠语义相似度检索出匹配的参考内容；随后将检索资料整合进提示词，作为大模型的参考素材；最后AI依托已有资料生成回答，构成检索、增强、生成三段式工作流程。

对比没有RAG的原生AI，仅依靠训练数据作答的模型容易出现知识过时、编造信息的问题。而搭载RAG的AI依托真实文档，具备四大优点：内容可靠、回答专业、来源可追溯、知识库便于迭代更新。

如今RAG广泛应用在企业知识库、法律咨询、医疗问诊、技术文档等场景。

总而言之，RAG=检索+增强+生成，这项技术让AI告别“凭感觉作答”，真正做到依托资料、有理有据地输出答案。

**本文采用 CC BY-NC-SA 4.0 许可协议，转载请标明出处