通过不到 150 行代码，我们实现了一个菜单管理 + 语音播报 + 大模型毒舌回复的趣味程序。语言模块（TTS）负责输出的人性化通道；大语言模型负责内容的智能生成与角色扮演。

RAG（Retrieval-Augmented Generation，检索增强生成）不依赖模型内部的“死记硬背”，而是允许模型在回答前先去外部知识库“查资料”。原理三步走：索引：把大量的文档（PDF、TXT、网页）切块，通过向量化模型变成数学向量，存入向量数据库。检索：用户提问后，把问题也变成向量，去数据库里找最相似的 Top-K 个文档片段。生成：把“用户问题” + “检索到的文档” 拼在一起，

通过不到 150 行代码，我们实现了一个菜单管理 + 语音播报 + 大模型毒舌回复的趣味程序。语言模块（TTS）负责输出的人性化通道；大语言模型负责内容的智能生成与角色扮演。