一句话定义
检索增强生成（Retrieval-Augmented Generation，RAG）是结合生成模型与检索模型优势，实时从外部知识库获取相关信息并融入生成任务的技术。
在 FastGPT 里怎么用
在FastGPT的知识库RAG功能配置中，可启用该技术解决纯生成模型的局限性。纯生成模型依赖固定预训练数据，在回答需要最新或实时信息的问题时易编造内容，且缺乏特定领域的外部知识支持。传统检索模型如BM25虽可快速获取相关信息，但面对模糊查询或跨域问题时仅能返回孤立结果，无法生成连贯自然的回答。RAG通过结合两类模型的优势，将检索到的相关信息融入生成任务，确保生成的文本兼具上下文连贯性与准确的事实知识，适用于智能问答、信息检索与推理、领域特定内容生成等场景。
容易搞错的地方
容易混淆检索模型与生成模型的作用边界，检索模型仅负责从外部知识库中快速获取相关信息，无法直接生成连贯完整的自然语言回答。也容易误以为RAG无需依赖外部知识库即可提供准确的事实信息，其核心优势依赖外部知识库的检索支撑。部分使用者还可能忽略RAG对模糊查询或跨域问题的适配逻辑，需结合具体的检索与生成配置优化效果。
来源： FastGPT 官方来源
适用性与版本范围
本页适用于官方来源记录的 术语表 场景。执行变更前，需核对 FastGPT、依赖、API 与部署版本。
安全护栏
凭证与私密数据使用 [REDACTED_CREDENTIAL] 占位符。执行操作前需核对文档的环境与版本。
回滚指引
恢复变更前的技术内容权威快照、已保存配置与数据快照，再执行最小验证场景。