RAG（检索增强生成）是什么意思？

RAG（检索增强生成）是一种通过将外部知识源整合到生成过程中来增强大语言模型（LLM）的技术。它使 AI 系统能够基于特定检索到的信息产生更准确、相关且时效性更强的回应。

RAG 的工作方式是：首先根据用户查询从指定知识库（如数据库或文档存储）中检索相关文档或段落，然后将检索到的信息与查询一起输入大语言模型。这种上下文条件化机制显著提升了回答的事实准确性，与仅依赖大语言模型内部训练数据相比，大幅减少了"幻觉"现象。关键考量因素包括知识库的质量与覆盖范围、检索机制的效果，以及相关性与新颖性之间的平衡。

RAG 对于需要准确、可验证答案，或需要利用专有、领域特定或频繁更新信息（这些信息未被大语言模型预训练充分捕获）的应用场景至关重要。它显著增强了智能客服、虚拟助手、研究工具和企业知识系统，确保回应不仅合理，而且来源可靠。这种方法为生成式 AI 交互增添了可验证的依据和可信度。