一文读懂 RAG：让大模型先查资料，再回答
·
大模型很聪明，但它可能不了解最新信息，也可能在不确定时“编答案”。RAG（Retrieval-Augmented Generation，检索增强生成）就是给它加上一场“开卷考试”。
当用户提问时，RAG 系统先从知识库中检索相关资料，再把这些资料和问题一起交给大模型。模型根据上下文组织答案，而不是只靠训练时记住的内容。整个过程可概括为四步：提问、检索、补充上下文、生成回答。RAG 常用于企业知识库、智能客服和文档问答。它无需重新训练模型，就能使用私有或更新后的资料，也便于追溯答案依据。不过，RAG 不能彻底消除幻觉：资料过时、检索不准或上下文不足，仍会影响结果。它的核心价值，是让大模型从“凭记忆回答”升级为“带资料回答”。
更多推荐
3
0- 0
已为社区贡献3条内容
所有评论(0)