42 lines
1.2 KiB
Markdown
42 lines
1.2 KiB
Markdown
---
|
||
id: rag
|
||
title: "RAG"
|
||
type: concept
|
||
tags: [LLM, retrieval, augmentation]
|
||
sources:
|
||
- "[[RAG从入门到精通系列1：基础RAG]]"
|
||
- "[[LLM Terms Framework]]"
|
||
last_updated: 2025-12-18
|
||
---
|
||
|
||
## Definition
|
||
|
||
RAG（Retrieval Augmented Generation，检索增强生成）是一种结合检索系统和LLM生成的技术，解决LLM缺乏最新和私有数据的问题。
|
||
|
||
## Three-Step Process
|
||
|
||
1. **索引（Indexing）**：将文档切分并转换为Embedding向量存入向量数据库
|
||
2. **检索（Retrieval）**：根据问题语义向量检索相关文档块
|
||
3. **生成（Generation）**：将问题和相关文档输入LLM生成答案
|
||
|
||
## Key Components
|
||
|
||
- **Embedding**：将文本转换为数值向量
|
||
- **向量数据库**：存储和检索向量表示（如Qdrant）
|
||
- **文档切分**：将长文档分割成符合Embedding窗口的块
|
||
- **Context Window**：模型能接受的上下文长度限制（512-8192 token）
|
||
|
||
## Why It Matters
|
||
|
||
解决LLM的幻觉问题，让模型能够：
|
||
- 访问最新信息
|
||
- 利用私有数据
|
||
- 提供可溯源的回答
|
||
|
||
## Connections
|
||
- [[LLM]] ← uses ← [[RAG]]
|
||
- [[RAG]] ← includes ← [[索引]]
|
||
- [[RAG]] ← includes ← [[检索]]
|
||
- [[RAG]] ← includes ← [[生成]]
|
||
- [[RAG]] ← extends ← [[LLM]]
|