RAG：让 AI 先查资料，再回答

10秒看懂

RAG 的核心特别简单：不要只靠 AI 记忆，先去找相关资料，再根据资料回答。

说人话

Google 将 RAG 描述为：先检索与问题相关的数据，把这些资料补充进模型的输入，再让模型基于这些信息生成回答；它常用于提高答案的准确性、时效性和针对性。（Google Cloud Documentation）

用一个比喻理解

普通生成 = 闭卷考试 RAG = 先翻资料，再答题

它不是让 AI 突然“学会”了所有新知识。

而是考试时把相关资料放到它面前。

真实使用例子

你需要关心它吗

• 普通ChatGPT用户： 了解即可
• 知识库用户： 建议了解
• 做企业AI/搜索的人： 必须了解

容易混淆的概念

RAG： 回答前临时查资料。

Fine-tuning： 对模型进行额外训练，让它形成新的行为或模式。

这是两个完全不同的东西。