📚 RAG 是什么？

⚡ 一句话秒懂

RAG 就像做菜前翻菜谱，不让 AI 瞎编。

📖 举个故事

想象你朋友问你「红烧肉怎么做好吃？」。如果你不懂做菜，就只能瞎编一个答案——说放辣椒炒一炒就行，结果朋友做出来难吃死了。

但如果你先翻了一下你妈妈的菜谱，找到红烧肉那页，照着上面写的「先焯水、再炒糖色、小火炖一小时」来回答，朋友照着做出来果然好吃。

RAG 就是让 AI 也学会「先翻资料再回答」这个动作。你把自己的资料（菜谱）给它，它遇到问题时先翻一遍再回答，不会瞎编。

💡 类比理解

暂未补充。

🧩 真实例子

暂未补充。

🛠️ 怎么实际使用

你做 AI Agent 时，想让 Agent 准确回答你的产品信息、公司知识，就得用 RAG。把资料喂给 AI，它回答前先检索一遍。这样你的 Agent 就不会胡编乱造，客户问什么都能答对。

📚 进阶原理

RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与文本生成相结合的技术架构。它在大语言模型生成回答前，先从知识库中检索相关文档，然后将检索结果与用户问题一并输入模型，使模型基于真实资料而非仅凭训练记忆生成答案。RAG 能有效缓解 LLM 的幻觉问题，支持知识实时更新，是目前企业级 AI 应用的主流方案。

继续学习相关术语