工程范式 · 已沉淀概念
RAG（检索增强生成）
先从外部知识库检索相关资料，再让模型基于资料生成回答的方法。
它解决什么问题
它能补充模型不知道的私有或最新信息，并让回答更容易追溯来源。
通俗理解
RAG 会先去找资料，再把找到的相关片段和问题一起交给模型，而不是只靠模型记忆回答。
核心机制
- 把文档切分并建立可检索的索引。
- 根据用户问题召回最相关的资料片段。
- 将资料与问题交给模型生成并尽量标注来源。
典型应用场景
- 基于企业内部文档回答员工问题。
- 在新闻、法规或产品资料中生成可追溯的研究结果。
理解边界
它不是什么
RAG 不是模型训练方法，也不等于把整个知识库塞进一次对话。
常见误区
使用 RAG 不会自动消灭幻觉；检索错误、资料过时和生成偏离仍然会导致错答。
与相近概念的区别
微调把行为模式写入模型参数；RAG 在每次回答时临时引入外部知识。