什么是 RAG？它能解决什么问题？

大语言模型不可能天然知道一家企业的全部制度、产品资料和最新文件。RAG 在回答前增加了一次检索，把与问题相关的文档片段放进上下文，让模型围绕这些资料作答。

一套 RAG 系统通常包含什么

• 可以持续更新的资料来源；
• 文档解析、切分和索引；
• 关键词、向量或混合检索；
• 访问权限和结果过滤；
• 回答生成、来源展示和质量评估。

RAG 的价值不只在“接入知识库”。如果员工只能查看自己有权限的文件，检索层也必须执行同样的权限限制。资料过期、切分不合理或检索结果不相关，都会直接影响最终答案。

它不能保证什么

RAG 不能保证零幻觉，也不能自动修复错误资料。模型仍可能误读检索片段、拼错关系或在资料不足时补出内容。上线前要测试检索质量和回答质量，并允许系统在依据不足时拒答。