RAG 不是魔法：检索增强生成的工作方式

为什么需要 RAG

模型的训练数据有截止时间，也不了解团队内部文档。RAG（检索增强生成）先从外部知识库找出相关材料，再把材料连同问题一起交给模型。

一条完整链路

典型流程包含文档清洗、切分、向量化、召回、重排和生成。每个环节都会影响最终答案，不能只靠更换模型解决所有问题。

切分与召回

片段过大会混入无关信息，过小则会失去语义上下文。检索阶段通常结合关键词与向量相似度，再用重排模型挑选更相关的候选内容。

生成与引用

提示词应要求模型只依据检索材料回答，并在证据不足时明确说明。引用原始来源让读者可以核验，也能更快定位检索或生成阶段的错误。

如何评估

把问题拆成两层：检索是否找到了正确证据，以及回答是否忠实使用了证据。分别测量，才能知道系统真正坏在哪里。