RAG(检索增强生成)是在生成回答前先从外部知识库检索相关内容、再让模型基于检索结果作答的技术,用来降低幻觉并接入私有/实时数据。

标准流程:文档切块 → 向量化入库 → 按问题检索 top-K → 拼进提示词生成。相比微调,RAG 更新知识成本低、可溯源;代价是检索质量直接决定答案上限。长上下文模型与 Agentic 检索正在改变传统 RAG 的形态。

查看「RAG」相关最新资讯 →

相关词条
Embedding向量数据库幻觉