Vector RAG（向量检索增强生成）是一种结合语义向量检索与大语言模型生成能力的智能问答方法。它通过将文档和用户查询嵌入为向量，利用向量数据库进行相似度检索，并将检索结果注入Prompt中供LLM生成回答，解决了传统LLM知识静态、无法访问私有数据等问题。其核心组件包括Embedding模型、向量数据库和检索模块。优势在于语义理解强、知识可动态更新、成本低且可解释性强，但也存在检索依赖严重、上

Vector RAG（向量检索增强生成）是一种结合语义向量检索与大语言模型生成能力的智能问答方法。它通过将文档和用户查询嵌入为向量，利用向量数据库进行相似度检索，并将检索结果注入Prompt中供LLM生成回答，解决了传统LLM知识静态、无法访问私有数据等问题。其核心组件包括Embedding模型、向量数据库和检索模块。优势在于语义理解强、知识可动态更新、成本低且可解释性强，但也存在检索依赖严重、上