RAG：让 AI 读懂你的资料

AI工坊 · 应用技术 · 约 4 分钟阅读

大模型的知识停在训练那一刻，也不了解你公司的内部文档。RAG（Retrieval-Augmented Generation，检索增强生成）解决的就是"让 AI 基于指定资料回答问题"。

工作流程

1. 你提问："去年第三季度营收是多少？"
2. 检索：系统先去知识库（财报、文档、网页）里搜索相关段落；
3. 增强：把检索到的原文连同问题一起交给大模型；
4. 生成：模型依据这些原文作答，并通常能标注信息出处。

把新资料训练（微调）进模型，成本高、更新慢，还无法追溯答案来源。RAG 像给模型配了一个"开卷考试的图书馆"——资料随时更新，回答基于真实原文，大幅减少"幻觉"，而且能明确指出引用了哪份文档、第几页。

RAG 通常不只用关键词搜索，而是把文本转成一串数字（向量），按语义相似度匹配。所以你问"公司赚了多少钱"，也能找到写着"营业收入"的段落，哪怕没有一个相同的词。

企业制度问答、客服机器人、法律合同审查、技术文档助手、个人笔记问答等。凡是"答案在一堆资料里、要求准确且有出处"的场景，RAG 都是当前最实用的方案。