结论
RAG模型结合生成与检索模型的优势，可解决纯生成模型的事实错误与检索模型的回答不连贯问题。其生成的文本兼具上下文连贯性与准确的知识支撑，适配智能问答、信息检索推理等场景。
具体怎么做
- 启动检索环节，从外部知识库中匹配与用户问题相关的信息
- 将匹配到的相关信息作为上下文融入生成任务
- 生成模型基于补充的上下文与用户问题生成连贯且准确的回答
注意事项
- 需确保外部知识库的内容准确，否则生成结果可能存在事实偏差
- 不适用于无外部事实支撑的纯创意生成场景
- 无法单独完成无上下文连贯要求的简单检索类任务
来源：FastGPT 官方文档