RAG

RAG 是 Retrieval-Augmented Generation，中文叫"检索增强生成"。名字吓人，道理朴素：让 AI 回答前，先去查资料，再开口。

问题出在哪？LLM 的知识是训练时"冻"在参数里的，之后的事它不知道，而且容易编（幻觉）。RAG 的解法是外接一个知识库：你提问，系统先从库里检索相关片段，塞进提示词，让模型"看着资料答"。这样它说的每句话都有出处，不像凭空编的。

它和微调（Fine-tuning）是两条不同的路：微调是改模型本身的权重，RAG 是不动模型、外挂知识。大多数公司落地 AI，先上 RAG 而不是先微调——因为便宜、可控、知识好更新。RAG 的命门在 Embedding（把文字转成能比相似度的向量）和检索质量，见 Embedding。

一句话：RAG 让 AI 从"凭记忆考试"变成"开卷考试"。