RAG 是什么

读完带走

• 一句话：RAG = 先检索知识库，再让模型基于检索结果回答（开卷考试）
• 不是：把所有文档塞进 Prompt 一次性背完
• 实习：客服答得对不对，很大程度取决于知识库覆盖与切片质量

什么是 RAG？Retrieval Augmented Generation（检索增强生成）：用户提问时，先去知识库找相关片段，再把「搜到的原文 + 用户问题」一起交给大模型生成回答。

一句话：记忆靠模型，事实靠文档。

❌ 无 RAG / 用不好

闭卷瞎猜 → 易幻觉
知识过期仍硬答
「感觉挂了库就一定准」

✅ 有 RAG / 产品该管

开卷翻到再答
库更新 → 答案可跟着变
题集测覆盖；失败要归因到「库 / 检索 / 生成」

三步（PM 够用）

① 入库：文档切片 → 向量化 → 进知识库
② 检索：用户提问 → 找出最相关几段
③ 注入：原文 + 问题 → 模型生成回答

你要关心	例子
库里有没有	IM 常见问题挂没挂到 Agent
切得合不合适	FAQ 按 Q&A 切；API 按接口切
答错是哪一环	没检索到 / 检索错 / 检索对但模型编

和幻觉、转人工的关系

• 幻觉：听起来合理但不实——常见于检索没命中却硬答
• 产品动作：低置信拒答、追问、转人工（客服相对 MCP 的关键能力之一）
• 评测：W1 分层题集就是在量「库 + RAG + 边界」合不合格

跟练对照

产品	RAG 体感
编辑器助手（MCP 形态）	编辑器里问文档 / 错误码——背后仍是知识与工具
智能客服	会话里挂业务 API 文档库等；缺 FAQ 可成选题

相关

• Agent · MCP · 概念对照
• 平台加深：知识库 RAG