点击标题下「蓝色微信名」可快速关注大模型相关名词有很多这次我们了解什么叫RAG即Retrieval-Augmented Generation中文名称检索增强生成这可能是带给我们便捷性最重要的技术之一。历史文章《多模态通俗易懂的理解》《大模型幻觉通俗一些的理解》《Token通俗一些的理解》《小白都可以看懂的小龙虾安装教程》《OpenClaw你养的是虾还是被时代落下的恐惧》一句话解释RAG就是让大模型在回答问题之前先来查资料然后再根据查到的资料来回答。如同普通大模型 闭卷考试 → 全靠自己背过的知识可能有错、过时、瞎编RAG 开卷考试 → 允许翻书、查笔记再作答 → 答案更靠谱为什么需要 RAG大模型虽然很聪明但它有几个天生的问题知识截止日期模型训练时看到的数据只到某个时间点。之后发生的事情它一概不知。例如你问今天北京天气怎么样它不可能知道。幻觉问题碰到不知道的问题它不会说我不知道而是会自信地瞎编。例如问一个冷门的历史人物它可能编出一个看似合理但完全错误的故事。无法访问私有数据公司内部的文档、你的个人邮件、最新的行业报告……这些数据模型训练时没见过它就无法回答。RAG 正好能解决这三个问题。RAG 是怎么工作的分三步走就像你在做开卷考试第一步检索找资料用户问一个问题例如“我家猫咪最近不爱吃饭怎么办”系统立刻去一个知识库里搜索。这个知识库可以是全网信息、公司内部文档、你自己的笔记、最新的兽医手册……搜索出最相关的几段内容例如猫咪食欲不振的常见原因、如何判断猫咪是否生病。第二步增强打包资料将检索到的相关段落 用户原来的问题拼在一起形成一个增强后的提示。例如请根据以下资料回答问题资料1……资料2…… 问题我家猫咪最近不爱吃饭怎么办第三步生成作答将增强后的提示交给大模型。大模型只根据提供的资料来生成回答而不是依赖它自己可能过时或错误的记忆。这样答案既准确又引用了具体来源。举个例子普通大模型闭卷问2025年奥运会的主办城市是哪里模型知识只到2023年可能回答“2025年没有奥运会” 或瞎猜一个巴黎。实际上2024巴黎2025确实无夏季奥运会但若问2026冬奥会它可能错→ 容易出错。RAG 模型开卷问同样问题 → 系统去维基百科或官方新闻检索 → 找到2026年冬季奥运会将在米兰-科尔蒂纳举行 → 模型基于这个资料回答根据最新信息2026年冬季奥运会将在意大利的米兰-科尔蒂纳举行。→ 准确而且可以附上来源链接。RAG 的三大好处问题RAG 如何解决知识过时实时检索最新资料新闻、数据库、网页幻觉瞎编强制模型基于检索到的真实内容作答没有资料就不瞎说无法访问私有数据可以把公司内部文档、个人笔记作为知识库实现企业版GPT生活化的类比普通大模型就像一个记忆力超强但从不翻书的学霸。他能答对所有课本上有的题但课本更新了他不知道碰到没学过的他就开始胡编。RAG就像一个会用搜索引擎的聪明学生。他不会将所有知识背下来但遇到问题立刻查资料然后总结出答案。他永远不会说我以为而是说资料显示。你可能已经用过的 RAGNew Bing / Copilot你问一个问题它会先搜索网络再根据搜索结果回答。ChatGPT 的浏览模式开启后可以联网检索。企业内部的知识库问答机器人你问公司年假怎么申请它去查公司 HR 文档然后准确回答。因此RAG 检索 生成 让大模型先查资料再答题相当于给它配了一个实时图书馆。它既保留了模型的强大总结能力又弥补了模型知识有限、容易瞎编的缺陷。如果您认为这篇文章有些帮助还请不吝点下文章末尾的点赞和在看或者直接转发朋友圈可以到各大平台找我微信公众号bisal的个人杂货铺腾讯云开发者社区bisal的个人杂货铺头条号bisal的个人杂货铺CSDNbisalITPubbisal墨天轮bisal51CTObisal小红书bisal抖音bisal近期更新的文章《系统向后兼容的重要性》《英超第三十一轮》《政务、地产、新零售、短剧出海的数据库选型指南 平凯数据库云服务发布 福州站》《多模态通俗易懂的理解》《蒜苗、蒜苔、蒜薹这几个到底相同不相同》近期Vlog《千岛湖》《Skyline Luge》《新疆之行红山体育馆 - 国际大巴扎 - 红山公园 - 天山天池》《新疆之行天马浴河 - 哈因塞 - 那拉提 - 依提根塞》《新疆之行六星街 - 伊昭公路 - 夏塔》热文鉴赏《揭开仿宋和仿宋_GB2312的神秘面纱》《Linux的aarch是多了个a》《中国队“自己的”世界杯》《你不知道的C罗-Siu庆祝动作》《大阪环球影城避坑指南和功略》《推荐一篇Oracle RAC Cache Fusion的经典论文》《红警游戏开源代码带给我们的震撼》文章分类和索引《公众号2000篇文章分类和索引》