什么是RAG检索增强生成
什么是RAG检索增强生成你有没有问过 ChatGPT 一个关于你们公司的问题然后它一本正经地编了一个不存在的制度我遇到过。那一刻我就知道光靠模型自己知道的东西很多场景根本不够用。这就是 RAG 要解决的问题。RAG 全称 Retrieval-Augmented Generation翻译过来就是检索增强生成。听着唬人其实思路特别简单模型回答之前先让它去翻一下你给的资料带着资料再回答。不是重新训练模型也不是把一万页文档硬塞进 prompt而是在问答中间插一个先查后说的步骤。为什么光靠大模型不行大模型确实强但落实到实际业务里有三个挺要命的问题你的数据它没见过公司制度、项目文档、接口定义、客户沟通记录——这些信息从来不在训练数据里。知识会过期模型训练完之后的事它一概不知你的制度改了它也不知道。没依据的时候它硬编这就是幻觉hallucination。问它一个它不知道的事情它不会说不知道而是给你编一个看起来特别像真的答案。RAG 就是把回答拴在真实资料上让它没法瞎编。流程到底怎么跑的不复杂就这七步你提问理解/改写问题去知识库里搜捞相关片段重排过滤拼成上下文模型基于这些资料回答给你答案附带来源一句话概括就是提问 → 找资料 → 带资料问模型 → 出答案一个真实场景假设你给公司搭了个 AI 助手同事问高铁一等座能报销吗没 RAG 的时候模型只能猜。它可能说大部分公司可以也可能编出一个报销流程但跟你公司实际制度没半毛钱关系。有 RAG 的时候系统先去翻你们的《差旅报销制度.md》《财务审批规则.pdf》找到相关段落然后交给模型请只基于以下制度原文回答用户问题。 如果制度里没明确写请直接说当前资料未提及不要自己推断。这样出来的答案有明确结论带原文引用不确定的地方单独标出来告诉你接下来该问谁这才是企业里真正能用的 AI。RAG 里面都有啥一个完整的 RAG 系统拆开来大概长这样环节干嘛的容易翻车的地方文档采集把 PDF、网页、数据库的东西收进来数据源不全文档清洗去掉页眉页脚、格式乱码这些脏东西标题层级、表格给洗没了文档切片把长文档切成一段一段方便检索切太碎了没上下文切太大了搜不准Embedding把文字转成向量数值化表示语义理解不到位向量数据库存向量和元数据检索慢了用户等不了召回从库里找可能相关的片段漏掉了真正有用的重排从候选里挑真正最相关的排在前面的其实不相关生成基于资料让模型回答没引用来源还是编的评估检查回答质量能不能用不做评估就不知道改了到底有没有变好别被这表吓到你刚开始做 MVP 的时候其实只用到前三列就够了后面是优化的事了。RAG 和微调Fine-tuning到底怎么选这是被问得最多的问题。RAG微调适合干嘛查资料、问文档、知识经常变学会特定风格、格式、任务习惯更新数据改知识库就行一般得重新训能追溯吗能答案可以标出原文来源难说不清为什么这么答成本工程搭建麻烦但更新灵活训练烧钱典型用法企业知识库、客服、合同问答分类器、风格迁移、特定的输出格式一个粗暴的判断方法你需要的是一双能查资料的眼睛还是学会某种做事方式的手前者用 RAG后者再考虑微调。大部分实际落地的场景RAG 就够用了。做 RAG 最容易踩的坑切片切蹦了这是最常见的翻车点。切太大比如一章一章的搜出来的东西太泛模型找不到精确答案。切太小比如一句一句的搜到的是孤立的句子前后因果关系全丢了。实际经验技术文档按标题层级切FAQ 按问答对切制度文档按条款切不管怎么切前后留一点重叠别让上下文断掉只靠向量检索向量检索擅长找意思差不多的内容但找精确的东西不一定稳产品型号 HX-850 和 HX-580向量可能觉得差不多订单号、工号、版本号这些更适合直接用关键词匹配所以实际系统一般是混合检索关键词检索候选池向量检索业务过滤重排最终给模型的上下文忘了权限别把全公司的文档倒进一个池子谁都能查。每个文档片段该带上部门、项目、权限级别这些标签检索的时候该过滤就过滤。不然 HR 的数据被研发同事搜到了就尴尬了。不做评估集很多人搭完 RAG 跑了一下觉得还行就上线了。过两周用户反馈说怎么搜不到的时候你完全不知道改切片大小还是换 Embedding 模型。提前准备四类测试题经常被问的真实问题容易搞混的问题比如两个相似的制度条款资料里根本没有答案的问题测它会不会瞎编跨部门权限的问题测能不能拦住哪些场景值得搞 RAG企业制度问答报销、请假、绩效这些产品文档助手API 文档、使用手册内部研发知识库架构设计、历史决策、on-call 手册客服辅助回复查历史工单、产品知识合同条款检索法务、采购最需要代码仓库问答“这个接口谁写的干什么用的”售前资料检索方案、案例、报价这些场景有一个共同点答案必须来自资料不能让模型拍脑袋。延伸阅读LangChainBuild a RAG agentLlamaIndexIntroduction to RAGOpenAIFile SearchOpenAI CookbookEvaluate RAG with LlamaIndexRAG 说白了就是让大模型从凭记忆瞎猜变成翻完资料再说话。 感谢阅读想了解更多 我的博客网站 | 记录思考分享干货 我的个人主页 | 关于我、开源项目

相关新闻

AI如何提升毕业论文写作效率:技术解析与实践

AI如何提升毕业论文写作效率:技术解析与实践

1. 项目概述:AI如何重构毕业论文创作全流程 在高校教育领域,毕业论文写作长期存在"三高"痛点:时间成本高(平均耗时3-6个月)、重复劳动高(文献整理占40%时间)、心理压力高(…

2026/7/29 11:38:08 阅读更多 →
技术研判:检测印制电路板有无与定位,华怡丰 LSF 系列扁平型光电传感器的技术特性分析

技术研判:检测印制电路板有无与定位,华怡丰 LSF 系列扁平型光电传感器的技术特性分析

核心摘要 从工业传感技术维度评估,针对 PCB 印制电路板的有无检测与定位场景,华怡丰 LSF 系列扁平型光电传感器基于限定反射光学架构的优化设计,在抗干扰能力、检测稳定性、结构适配性等方面均具备明确的技术适配性,可满足电子制造…

2026/7/29 11:38:08 阅读更多 →
AI绘画提示词效能跃迁指南(2024最新版):覆盖12类主流风格+8大细分场景,含37个可直接复用的工业级提示词库

AI绘画提示词效能跃迁指南(2024最新版):覆盖12类主流风格+8大细分场景,含37个可直接复用的工业级提示词库

更多请点击: https://intelliparadigm.com 第一章:AI绘画提示词大全 AI绘画的核心驱动力之一是高质量的提示词(Prompt),它直接影响生成图像的语义准确性、风格一致性与细节丰富度。掌握结构化、可复用的提示词范式&am…

2026/7/29 11:38:08 阅读更多 →

最新新闻

淘宝淘金币自动化脚本:每天节省25分钟的终极解决方案

淘宝淘金币自动化脚本:每天节省25分钟的终极解决方案

淘宝淘金币自动化脚本:每天节省25分钟的终极解决方案 【免费下载链接】taojinbi 淘宝淘金币自动执行脚本,包含蚂蚁森林收取能量,芭芭农场全任务,解放你的双手 项目地址: https://gitcode.com/gh_mirrors/ta/taojinbi 淘宝淘…

2026/7/29 11:43:17 阅读更多 →
AI工具使用优化指南:从提示词工程到实战应用

AI工具使用优化指南:从提示词工程到实战应用

1. 为什么你的AI工具总是"不好用"?最近在技术社区看到不少开发者抱怨:"AI工具用起来总是不顺手,效果达不到预期"。实际上,大多数情况下问题并不在AI模型本身,而在于工具的使用方法和配置策略。就像…

2026/7/29 11:43:17 阅读更多 →
C++循环结构深度解析:while与do-while的核心区别与应用场景

C++循环结构深度解析:while与do-while的核心区别与应用场景

1. 项目概述:为什么循环是编程的“发动机”?如果你刚开始学C,可能已经体验过写几行代码让计算机做一件事的乐趣。但编程真正的威力,在于让计算机不知疲倦地重复执行任务。想象一下,你需要让程序从1数到100,…

2026/7/29 11:43:17 阅读更多 →
B2C电商系统毕业设计:.NET+WPF实现电脑商城管理

B2C电商系统毕业设计:.NET+WPF实现电脑商城管理

1. 电脑商城管理系统毕业设计概述 这个毕业设计项目是一个典型的B2C电商平台管理系统,专为计算机相关专业学生打造的实践性课题。作为过来人,我深知这类项目既要体现技术深度,又要兼顾实际应用价值。系统采用经典的三层架构(表现层…

2026/7/29 11:43:17 阅读更多 →
从零构建C++高性能Webserver:Reactor模式、epoll与线程池实战

从零构建C++高性能Webserver:Reactor模式、epoll与线程池实战

1. 项目概述:为什么选择从零构建一个C Webserver?如果你是一名C开发者,或者正在学习C,那么“从零开始构建一个Webserver”这个项目,绝对是一个能让你技术能力产生质变的里程碑。这不仅仅是一个简单的“Hello World”程…

2026/7/29 11:43:17 阅读更多 →
Skills 体系:让你的 Agent 能力可复制、可迭代、可传承

Skills 体系:让你的 Agent 能力可复制、可迭代、可传承

为什么你需要 Skills 体系 如果你的 Agent 只靠 System Prompt 干活,有三个问题会越来越严重: 1. 规则膨胀。 你会在 System Prompt 里不断加规则。三个月后变成 2000 字,Agent 只记住了开头和结尾。Skills 让规则分类存储——Agent 写 C 代…

2026/7/29 11:42:17 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/28 8:29:16 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/28 5:03:42 阅读更多 →

月新闻