一张图看懂「RAG」：给 AI 配一个随时翻的笔记本
大模型像个博学但记不住你私货的学霸：通用知识懂，但你公司的内部文档、最新资料它没见过。硬把几百页塞进对话？又贵又超长度。
怎么办？RAG（检索增强生成） 登场：给 AI 配一个“随时翻的笔记本”。
一、RAG 三步曲
- 建笔记（索引）：把你的一堆文档切块，转成向量（一种能表达“意思”的数字），存进向量库。
- 考试时翻笔记（检索）：你提问，系统把问题也转成向量，去库里找意思最相近的几块，抓出来。
- 带着笔记答题（生成）：把“问题 + 翻到的资料”一起喂给大模型，让它基于资料作答。
二、为什么比“直接全塞进去”好
- 只塞最相关的几段，省 Token、不超窗口。
- 答案有出处，能附上来源，减少瞎编（幻觉）。
- 资料更新了，只更新笔记（向量库），模型不用重训。
三、一句话类比
就是开卷考试：不要求学霸背下整本书，而是让他考场上快速翻到相关页，再作答。RAG = 检索（翻笔记）+ 生成（答题）。
一句话：RAG 给大模型外挂一个可检索的知识库，先找最相关的资料、再让模型据此回答，又准又省又不易胡说。
