00RAG介绍
本文介绍了RAG（检索增强生成）的概念、来源及其作用。RAG旨在解决大语言模型（LLM）的知识时效性、事实准确性、数据安全性及答案可溯源等问题，通过将外部知识库与LLM结合，使LLM能够基于最新、准确的信息生成回答。RAG的核心理念是将LLM视为通用处理器，并通过外接即时知识库来动态提供信息。一个基本的RAG系统包括数据处理（索引阶段）、检索、召回和生成四个步骤，其中数据处理阶段将文档转换为向量存储于数据库中；检索阶段根据用户查询从数据库中找出相关文本片段；召回阶段构建包含这些片段的提示词；最后，生成阶段由LLM基于提供的上下文生成最终答案。这种架构不仅提高了答案的质量和可信度，还降低了维护成本并加速了知识更新过程。
