完整题目
请用自己的话解释一下什么是 RAG（检索增强生成）？大模型本身已经很强了，为什么还需要给它外挂 RAG？
本文目录
答案要点
- RAG（检索增强生成）= 检索 + 生成：先从外部知识库里找到相关资料，再让大模型参考这些资料来回答问题
- 大模型的知识“冻结”在训练完成那一刻，之后发生的新事情、企业内部的私有资料它都不知道
- 遇到不知道的问题，模型倾向于一本正经地编造，这叫“幻觉”（Hallucination，指模型生成看似合理但不符合事实的内容）
- RAG 用“开卷考试”的方式补知识：不改模型本身，只在回答前把资料塞进上下文
- 三大好处：知识可以随时更新、答案可以溯源、成本远低于重新训练模型
核心概念
RAG（Retrieval-Augmented Generation，检索增强生成）是一种让大模型在回答问题之前，先从外部知识库中检索相关资料，再基于这些资料生成答案的技术方案。它把模型“背在脑子里的知识”（训练时学到的参数）和“随时可查的资料库”（外部文档）结合了起来。
打个比方：纯大模型答题像闭卷考试，全靠训练时背下来的内容；RAG 则是开卷考试，答题前先翻书找到相关章节，再组织语言作答。
为什么大模型需要 RAG
| 大模型的短板 | RAG 怎么补 |
|---|---|
| 知识有截止日期，训练之后的新信息一概不知 |