RAG = Retrieval-Augmented Generation，中文叫”检索增强生成”。
一、核心概念
RAG 是大语言模型（LLM）的一种工作方式——模型在回答用户问题前，先从外部知识库或互联网检索相关文档，再结合检索到的内容生成答案。
二、为什么需要 RAG
传统 LLM 只能用训练数据回答问题——训练数据有截止日期，AI 不知道 2025 年的事件，也不知道企业内部知识。RAG 让 AI 能”实时查资料”再回答。
三、RAG 三步流程
① 检索（Retrieval）
用户提问：”2024 年全球 AI 投融资数据是多少？”
RAG 系统先在向量数据库 / 搜索引擎中查找匹配文档
③ 增强（Augmentation）
把检索到的文档 + 用户问题拼成一个 prompt
② 生成（Generation）
LLM 基于这个增强后的 prompt 生成答案
四、RAG 与 GEO 的关系
RAG 是 AI 助手实现”实时引用你的网页”的核心技术路径。如果你的网站能被 AI 的 RAG 系统检索到，它就可能在回答里引用你。
五、RAG系统的偏好
- 结构化文档（H2、列表、表格清晰）
- 事实陈述（不是营销话术）
- 权威来源（不是单一观点）
- 最新更新（不是 5 年前的旧文）
