Auto-sync: update nexus workspace

wiki/concepts/Generation.md

@@ -1,33 +1,54 @@
 ---
 title: "Generation"
 type: concept
-tags: [rag, generation, llm, prompt, reasoning]
+tags: [RAG, LLM, 问答生成]
+sources: [rag从入门到精通系列1-基础rag]
 last_updated: 2025-01-16
 ---
 
 ## Definition
-Generation（生成阶段）是 RAG Pipeline 的第三步，将用户问题与 Retrieval 阶段检索到的相关文档块组合为 Prompt，输入 LLM 生成最终答案。
 
-## Process
-1. **Context Assembly**：将用户问题（Question）与 Top-k 个相关文档块（Context）放入字典结构：`{"question": ..., "context": ...}`
-2. **Prompt Templating**：通过 PromptTemplate 将 Question 和 Context 组合为结构化的 Prompt String
-3. **LLM Inference**：将 Prompt 输入 LLM，LLM 严格基于上下文中提供的信息生成答案
-4. **Output Parsing**：从 LLM 输出中提取纯字符串结果
+Generation（生成阶段）是 RAG 管道的第三阶段，将用户问题与检索到的相关文档块组合成 Prompt，输入 LLM 生成带事实依据的答案。
 
-## Key Requirements for Generation
-- **Source Grounding**：LLM 必须严格基于检索到的上下文生成，不能凭空发挥
-- **Answer Attribution**：理想情况下应提供答案的来源引用（哪些文档块支持该答案）
+## Core Process
 
-## In RAG Pipeline
-- **上游**：接收 Retrieval 阶段返回的文档块作为上下文
-- **下游**：输出最终答案给用户
+```
+问题 + Top-k 文档块 → PromptTemplate 组装 → LLM 生成 → 返回答案
+```
 
-## Frameworks Simplify This
-LangChain 和 LlamaIndex 将 Retrieval + Generation 封装为 RAG Chain（如 RetrievalQA Chain），只需几行代码即可完成端到端 Pipeline。
+1. **组装上下文**：将问题（Question）和检索到的文档块（Context）放入预定义的字典结构
+2. **Prompt 模板**：通过 PromptTemplate 将问题+上下文组合成完整的 Prompt String
+3. **LLM 生成**：将 Prompt 输入 LLM，LLM 基于检索到的知识生成回答
+4. **可选链式组合**：使用 LangChain/LlamaIndex 的 Chain 将 Retrieval 和 Generation 串联为统一管道
 
-## Related Concepts
-- [[RAG]] — Generation 是 RAG Pipeline 的第三阶段
-- [[Retrieval]] — Generation 的上游，提供上下文
-- [[PromptTemplate]] — 组装 Question + Context 的模板技术
-- [[Chain]] — LangChain 中串联 Retrieval 和 Generation 的抽象
-- [[Large Language Model]] — 实际执行生成任务的模型
+## Key Prompt Pattern
+
+```
+你是一个问答助手。请根据以下参考资料回答用户问题。
+如果参考资料中没有相关信息，请如实说明。
+
+参考资料：
+{context}
+
+用户问题：{question}
+
+回答：
+```
+
+## LangChain Chain
+
+LangChain 和 LlamaIndex 提供了 `RetrievalQA Chain` 等开箱即用的链，可将检索和生成过程自动化串联，避免手动拼装 Prompt。
+
+## Connections
+
+- [[Generation]] ← part_of ← [[RAG]]
+- [[Generation]] ← receives_input ← [[Retrieval]]
+- [[Generation]] ← uses ← [[Large-Language-Model]]
+- [[Generation]] ← uses ← [[Prompt]]
+
+## Aliases
+
+- Answer Generation
+- RAG Generation
+- LLM Response Generation
+- 答案生成