Auto-sync: 2026-04-18 03:18

wiki/concepts/RAG.md

@@ -1,23 +1,30 @@
 ---
 title: "RAG"
 type: concept
-tags: []
+tags: [llm, rag, ai]
+date: 2026-04-18
 ---
 
 ## Description
-检索增强生成（Retrieval-Augmented Generation），结合知识库检索和 AI 生成答案的技术框架。
+检索增强生成（Retrieval-Augmented Generation），为 LLM 提供外部实时知识的机制，被誉为 LLM 的"随身图书馆助理"。
+
+## Core Problem
+LLM 只能回答训练数据截止时间之前的问题，对实时信息一无所知。LLM 在思考方面非常出色，但对当前情况却一无所知。
 
 ## Key Components
-- 知识库索引：文档向量化存储
-- 检索模块：根据查询找到相关上下文
-- 生成模块：基于检索内容生成答案
-- 引用机制：提供答案的来源引用
+- **检索（Retrieval）**：从外部知识库（向量数据库、知识图谱、公司内部文档等）检索最相关的信息块
+- **增强生成（Augmented Generation）**：将检索到的内容作为上下文输入 LLM，指示其基于这些上下文生成答案
 
-## Use Cases
-- 文档问答
-- 知识管理
-- 研究辅助
+## Key Benefits
+1. **知识更新与定制**：无需重新训练 LLM 即可获取最新信息
+2. **消除幻觉**：通过提供事实依据，极大降低 LLM 胡编乱造的风险
+3. **引用来源**：可提供信息来源链接或文档页码，增加可信度
+
+## Related Technologies
+- [[向量数据库]]：存储和检索知识的技术
+- [[NL2SQL]]：自然语言转 SQL，使 Agent 能直接查询数据库
 
 ## Connections
+- 依赖 [[LLM]] 进行答案生成
 - 与 [[开源平替]] 结合实现私有化部署
 - 使用 [[语义搜索]] 提高检索精度