检索增强生成

RAG (Retrieval-Augmented Generation)

先去你的资料里找相关片段,再让模型带着这些片段回答。

又称 RAG 检索增强

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

把「记忆」从模型参数里挪到外部知识库:用户提问 → 检索相关片段 → 拼进提示词 → 模型基于片段作答并要求给出处。知识更新只需更新库,不用重训模型。

效果好坏几乎全在检索质量。检索没找对,后面写得再漂亮也是错的。所以排查顺序永远是:先看召回,再看重排,最后才怪模型。

02 什么时候会碰到它
要让模型按你的资料回答时

答得准不准,八成功夫不在模型,而在切片、召回、重排与引用。这条链路任何一环偷懒,都会变成「检索到了但答非所问」。

03 和这几个词怎么区分
04 接着读这几篇
05 用得到的工具

下面这些站点来自 AI 导航(nav.ppv9.com)的同一份工具清单,按本词条的相关度挑选。

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活