什么是 RAG？为什么知识库问答需要检索增强

RAG 的全称是 Retrieval-Augmented Generation，即检索增强生成。它先从外部知识库找到与问题相关的片段，再把这些片段作为上下文交给语言模型生成答案。这样做的价值是让答案能够参考企业文档、产品手册或近期资料，而不必把所有知识都固化在模型参数里。

RAG 并不会自动消除幻觉。检索结果质量、切分方式、向量表示、权限过滤和提示词都会影响最终答案。一个可用的系统还应展示引用来源，并在没有足够证据时明确说不知道。模型微调更适合改变表达方式或学习稳定行为，知识频繁变化时通常先考虑 RAG。

本文根据 IBM 对 RAG 的公开技术介绍重新编写，适合作为入门问答。