RAG 是什么
RAG（Retrieval-Augmented Generation）是“检索增强生成”。简单说，就是先从知识库里找到相关资料，再让大模型基于这些资料回答。
基本流程
- 文档切分：把长文档拆成小块。
- 向量化：把文本转成向量表示。
- 检索召回：根据用户问题找到最相关的片段。
- 上下文拼接：把片段放进 Prompt。
- 模型回答：要求模型基于材料生成答案。
适用场景
- 企业知识库问答。
- 产品文档助手。
- 客服知识库。
- 研报、合同、政策文件检索。
常见问题
- 文档切分太粗，召回不准。
- 只做向量检索，没有关键词/结构化过滤。
- 没有要求模型引用来源。
- 知识库更新后没有重新索引。
判断 RAG 好坏
重点不是“回答是否像人”，而是：
- 能否找到正确资料。
- 能否引用来源。
- 是否拒绝回答知识库没有的信息。
- 能否处理多跳问题。