🔍 RAG 原理
检索增强生成 · 为什么需要 RAG · 完整流程 · RAG vs 微调
1. 什么是 RAG（检索增强生成）？
RAG（Retrieval-Augmented Generation）：让大模型先检索、后回答——把外部知识库中与问题相关的文档片段检索出来，连同问题一起交给大模型生成答案。
核心思想：大模型不知道你的私有数据（校史、内部规范），RAG 把"答案素材"喂给它，模型负责"组织语言"。回答基于检索到的内容，而不是凭模型记忆瞎编。
RAG 一句话流程
用户提问
↓
① 检索：从知识库找到最相关的 3~5 段文档
↓
② 增强：把"问题 + 检索到的文档"拼成提示词
↓
③ 生成：大模型基于文档内容回答（附引用来源）
↓
返回答案🎯 面试要点
- RAG 三要素：知识库（数据）、检索（向量/关键词）、生成（LLM）
- 典型应用：文档问答、客服机器人、企业知识助手、学校校史/招生问答
2. 为什么需要 RAG？解决了 LLM 的什么问题？
- 知识时效性：模型训练数据有截止日期，新事件（今年招生政策）它不知道。RAG 检索最新文档即可回答
- 私有/专属知识：校史、内部制度、产品手册——模型从未见过。RAG 把"企业知识"外挂进来
- 防幻觉（关键）：模型不知道会"一本正经地编"。RAG 提供真实素材 + 要求"只能依据材料回答"，大幅降低编造
- 可溯源：回答可以附上引用来源（第几份文档第几段），可信、可审计
- 成本可控：比微调便宜得多，改知识只需更新文档，不用重训模型
🎯 面试要点
- 回答"为什么用 RAG"的标准结构：时效性 + 私有知识 + 防幻觉 + 可溯源 + 低成本
- 注意：RAG 不能完全消除幻觉（检索不到、材料本身错误时仍会出错）——见对话机器人页的防护手段
3. RAG 和微调（Fine-tuning）的区别？怎么选？
| 对比 | RAG | 微调 |
|---|---|---|
| 知识来源 | 外部检索（不改模型） | 改模型参数（记忆进权重） |
| 更新知识 | 改文档即可，秒级生效 | 重训，耗时花钱 |
| 成本 | 低（无训练） | 高（GPU + 数据标注） |
| 可溯源性 | 强（引用来源） | 弱（知识在参数里） |
| 适合 | 知识问答、内容型助手 | 风格/格式/能力定制（客服语气、JSON 输出、领域术语） |
实践结论：知识问答优先 RAG；微调用于"教模型行为方式"而非"喂知识"。两者常组合使用（微调语气 + RAG 喂知识）。
🎯 面试要点
- 一句话：RAG 改"数据库"，微调改"模型本身"
- 知识频繁更新 → RAG；需要特定输出风格/领域术语 → 微调
4. 一个 RAG 系统的完整架构？
- 离线（建库）：采集文档（PDF/Word/网页）→ 清洗 → 分块（chunk） → 每块 Embedding 向量化 → 存入向量数据库（带元数据：来源、章节）
- 在线（问答）：
- 用户问题 → Embedding 向量化 → 向量库相似度检索 Top-K（可加关键词混合检索）
- 重排序（Rerank）精排 → 拼装提示词（问题 + 检索片段 + 引用要求）
- LLM 生成答案 → 返回，附引用来源
工程栈一览
文档处理：PyMuPDF / unstructured / markitdown（网页→markdown）
分块：LangChain TextSplitter / 自研按标题切
Embedding：OpenAI text-embedding-3 / BGE / M3E（中文）
向量库：Milvus / FAISS / pgvector / Elasticsearch / Qdrant
编排：LangChain / LlamaIndex / Dify / FastGPT（低代码）
LLM：GPT / Claude / 国产（通义、DeepSeek、智谱）
评估：RAGAS（忠实度/相关度指标）🎯 面试要点
- 两条链路记牢：离线"文档→向量"建库，在线"问题→检索→生成"
- 没有向量库也能起步：小知识库用 BM25 关键词检索或直接全文检索（ES）也够用