RAG · 检索增强生成
英文：Retrieval-Augmented Generation/ræɡ/（习惯读作 /ræɡ/ 一个词，不逐字母读）
知识库与 RAG难度：进阶 ★★
🗣️一句话大白话
让 AI 答题前「先翻资料再回答」。把你的文档放进一个它随查随用的资料库，AI 每次回答先去库里搜出相关段落，再照着资料作答——本质是把闭卷考试换成开卷考试。
🎬真实场景
公司有 500 页员工手册。搭一个「制度问答机器人」：手册传进知识库，员工问「年假怎么请」，机器人先检索到相关章节、照着答，还能附上出处页码——而不是靠它的通用记忆现编。
📮你可以这样说
「「基于知识库回答，注明来源段落；知识库里没有的，直接说未收录，不要自己补」——开卷考试的关键条款是「只准照资料答」。」
⚠️边界与常见误解
- ▸RAG 大幅减少幻觉，但资料本身错了它照样错：垃圾进，垃圾出
- ▸文档怎么「切」影响很大：切太碎丢上下文，切太大搜不准，需要调
- ▸Coze、Dify、飞书里的「知识库」功能，底层都是 RAG，只是封装叫法不同