RAG
1. 什么是 RAG？
RAG = 检索 + 生成（Retrieval-Augmented Generation） 简单说，就是 先找资料，再回答问题。
比方说： 你问我：“世界上最高的山是哪座？”
- 如果我是普通生成模型，我可能只靠记忆回答，但记忆可能不准确或者过时。
- RAG 模型会先去查书、查数据库找到最新的资料，然后基于这些资料生成答案。
2. 知识库是什么？
知识库就像一个大仓库，里面放着各种文档、资料、FAQ、手册等信息。 RAG 的关键是：它 先从知识库里找到最相关的内容，然后用这些内容来回答问题。
3. RAG 怎么工作？
- 你问问题 → “哪个城市最少下雨？”
- 检索阶段 → 系统在知识库里找相关资料，比如气象统计表。
- 生成阶段 → 模型把找到的资料组合，生成一句准确的回答。
比方说，知识库里有一份表说“拉萨一年下雨天最少”，模型就会回答：“拉萨一年下雨天最少。”
4. 为什么用 RAG？
- 不容易“胡说八道”，答案更可靠
- 知识库更新了，模型不用重新训练就能回答最新信息
- 能回答更专业的问题，因为可以查专业文档