30 lines
1.2 KiB
Markdown
30 lines
1.2 KiB
Markdown
---
|
||
title: "RAG"
|
||
type: concept
|
||
tags: [llm, rag, ai]
|
||
date: 2026-04-18
|
||
---
|
||
|
||
## Description
|
||
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
|
||
- **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
|
||
|
||
## 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 |