什么是RAG（检索增强生成, Retrieval-Augmented Generation）？

一、什么是RAG？

RAG（检索增强生成，Retrieval-Augmented Generation）是先从知识库检索相关文档、再将其作为上下文交给大模型生成答案的技术框架，核心包括向量检索、上下文融合与答案生成，解决的是知识过时与幻觉导致回答不准的问题，并不解决召回质量差与长上下文成本高的问题。

二、RAG的关键技术有哪些？

RAG的关键技术一：向量检索（Vector Search）。使用嵌入模型（如 OpenAI Embeddings、DeepSeek Embeddings）将文本转化为向量，在 FAISS、Milvus、Weaviate 等数据库中查找最相关的文档。

RAG的关键技术二：融合上下文（Context Fusion）。

1、直接拼接文档

2、内容生成文档摘要

3、选择最相关的段落

三、RAG的典型应用有哪些？

1、企业知识库问答法律

2、医疗文档搜索代码搜索（如 GitHub Copilot）