检索增强生成（RAG）

AI知见编辑部 · 技术原理 · 持续更新

一句话说清

AI回答前先去查资料库，再基于查到的内容作答，大幅减少瞎编。

想象一下，你有个朋友号称“百事通”，但其实是靠死记硬背。你问他“今天天气咋样”，他只能按记忆瞎猜。RAG就是给他配了本实时更新的天气预报手册，他回答前先翻一翻，再告诉你答案。这样他说的就不是猜的，而是查来的。

AI平时靠训练时学的知识回答，但那些知识有截止日期，而且可能记串了。RAG让AI在回答前，先去外部资料库（比如网上、公司文档）搜相关段落，然后照着这些段落组织语言。就像你考试开卷，先翻书再答题，自然比闭卷瞎蒙强。

很多人以为RAG是让AI“联网”，其实不完全对。联网只是能搜到东西，RAG更关键的是“怎么用搜到的内容”——它要把相关段落摘出来，和你的问题拼在一起，再让AI生成答案。所以它像个聪明的图书管理员，不是把整本书扔给你，而是翻到正确那页，划出重点。

你问AI"我们公司的报销制度"它能答对，背后就是RAG。飞书知识问答就是现成的RAG应用。

微调是让AI“重新上学”学新知识，RAG是给它“开卷考试”随时查资料。前者费时费力，后者更灵活，适合经常更新的信息。

不用懂细节，但知道它能让AI更靠谱就行。以后用AI查资料时，如果它引用了来源，那很可能就是用了RAG。