36 lines
1.5 KiB
Markdown
36 lines
1.5 KiB
Markdown
---
|
||
title: "RAG"
|
||
type: concept
|
||
tags: [rag, retrieval, llm, ai]
|
||
last_updated: 2025-04-23
|
||
---
|
||
|
||
## Definition
|
||
检索增强生成（Retrieval-Augmented Generation，RAG）是将大语言模型（LLM）链接到外部实时知识库的技术，通过检索+生成的流程提升答案准确性和时效性。
|
||
|
||
## Core Mechanism
|
||
1. **检索（Retrieval）**：当用户提问时，从外部知识库（向量数据库/知识图谱/公司文档）中检索最相关的信息块（Chunk）
|
||
2. **增强生成（Augmented Generation）**：将检索结果与用户问题作为上下文输入 LLM，指示其严格基于上下文生成答案
|
||
|
||
## Key Benefits
|
||
- **知识更新与定制**：无需重新训练即可获取最新信息
|
||
- **消除幻觉**：提供事实依据，显著降低胡说八道的风险
|
||
- **引用来源**：可追溯信息来源，增加可信度
|
||
- **成本效益**：相比微调，成本更低、更新更快
|
||
|
||
## Role in AI System Architecture
|
||
- **认知层**：RAG 作为 AI 系统的"记忆系统"，负责信息获取与准确性保障
|
||
- 补充 [[Large Language Model]] 的知识时效性局限
|
||
- 为 [[AI Agent]] 提供可信赖的信息来源
|
||
|
||
## Related Concepts
|
||
- [[Large Language Model]] — 被增强的底层模型
|
||
- [[AI Agent]] — 依赖 RAG 提供准确信息
|
||
- [[Hybrid Search]] — RAG 常用检索策略
|
||
- [[Semantic Search]] — 向量检索的核心技术
|
||
|
||
## Sources
|
||
- [[llms-rag-ai-agent-三个到底什么区别]]
|
||
- [[rag从入门到精通系列1-基础rag]]
|
||
- [[大模型相关术语和框架总结｜llm-mcp-prompt-rag-vllm-token-数据蒸馏]]
|