TL;DR
RAG 是检索增强生成技术，通过先检索相关文档再交由大模型生成回答，解决通用大模型幻觉与知识滞后问题，是企业 AI 落地的主流方案。
01 RAG 的定义
RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与文本生成相结合的技术架构。它先从知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼接到提示词中，最后交由大语言模型生成回答。
02 为什么需要 RAG
通用大模型存在三大局限：知识截止时间滞后、无法访问企业私有数据、容易产生幻觉。RAG 通过引入外部知识库，让模型基于真实文档作答，显著提升准确性与可信度，同时回答可追溯。
03 RAG 的工作流程
标准 RAG 流程包括：文档切片 → 向量嵌入 → 存入向量数据库 → 用户提问 → 问题向量化 → 相似度检索 Top K → 拼接上下文 → 大模型生成 → 返回答案与引用来源。