定义

检索增强生成 (RAG) 是一种人工智能架构，它将大型语言模型与外部知识源相结合。RAG 系统不只依赖模型在训练期间学到的知识，而是在运行时检索相关的文档、数据库条目或知识库内容，并利用这些上下文来生成更准确的答案。

RAG 的工作原理

典型的 RAG 工作流程包含三个步骤：

1. 用户提出问题。
2. 系统在知识源中搜索相关信息。
3. 语言模型使用检索到的上下文来生成最终响应。

这使得 RAG 在需要反映最新业务数据、内部文档、产品目录、政策或支持内容时非常有用。

为什么 RAG 很重要

RAG 有助于减少“幻觉”（即模型生成虚假信息），提高事实基础，并允许团队在不重新训练基础模型的情况下更新答案。它被广泛应用于人工智能搜索、企业聊天机器人、内部助手、客户支持工具和知识管理系统中。