✏️ AI 术语图鉴

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。

RAG：让 AI 学会「查资料」再回答不是硬背答案，是「先翻书，再作答」——回答能带出处、能随时更新① 用户提问“RAG 是什么？”② 检索资料从知识库找出相关片段③ 拼接提示词问题 + 资料一起给 AI④ AI 生成看着资料组织回答⑤ 回答 + 出处给答案，还告诉你哪来的💡 好处：回答能引用来源、出错能追到原资料、知识库更新后 AI 立刻「知道」新内容RAG 是「先查再答」；纯靠训练记忆的 AI 知识有截止日期，RAG 让 AI 随时接上新资料
「RAG」示意图

🎬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」。」

通过 AI绘图 工作台生成（模型 API 额度由此消耗）；未配置模型密钥时会提示失败原因。

⚠️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

🕸️知识关系图

这个词条与相关术语、AI绘图 知识的连接关系

相关术语相关术语相关术语
幻觉
hallucination
Embedding
embedding
Prompt
prompt
RAG
Retrieval-Augmented Generation

🔗相关术语

幻觉hallucinationEmbeddingembeddingPromptprompt

📚深入阅读

魔搭紫皮书 · ModelScope Cookbook ↗教程 / 书籍 · 开发者

魔搭官方开源的开源模型实战指南，34 章从模型选型、推理到微调、RAG、Agent 全链路，每章带可复现代码。想搞懂『RAG 到底怎么搭』『微调怎么跑』，它是目前中文里最体系化的答案。

Dify ↗在线工具 · 进阶

开源 LLM 应用开发平台，自带 RAG 知识库、Agent 编排、工作流。想搭『知识库问答』这类应用，Dify 是最顺手的开源选择之一。

LangChain ↗开源项目 · 开发者

最流行的 LLM 应用开发框架之一，Agent、RAG、工具调用都有封装。写代码做 AI 应用时绕不开的参考实现。

MinerU ↗开源项目 · 开发者

把 PDF/图片/Word 解析成结构清晰的 Markdown/JSON 的开源工具，做 RAG 知识库前的『文档拆解』环节靠它。

想找更多？去 资源库 看全清单。