AI 百科词条

检索增强生成（RAG (Retrieval-Augmented Generation)）是什么？

让 AI 回答前先去你的资料库里查一遍，再按查到的内容作答——专有问答准确率的分水岭。

一句话说清楚

RAG = 检索（Retrieval）+ 生成（Generation）。流程是：你提问 → 系统先从知识库（你上传的文档、企业 wiki）检索相关片段 → 把片段连同问题一起交给模型 → 模型基于这些内容回答。这让 AI 能回答它训练时没见过的、你的私有信息。

要做一个「懂你们公司文档」的问答机器人、客服助手、或个人知识库搜索，选带 RAG 能力的工具，而不是裸模型。判断方法：问它一个只存在于你文档里的细节，答得准就是真检索。

RAG 的质量取决于知识库的整理程度：文档乱、切分碎，检索就不准。先把资料整理干净，再谈效果。

AI 编程：从行间补全到整仓生成

选型看两点：与现有 IDE/语言栈的贴合度，以及「能读懂多大上下文」。

AI 读论文：速读、问答到文献综述

先让 AI 产出结构化摘要（问题/方法/结论），再针对公式与实验细节追问，支持引用溯源的工具可信度更高。

AI 做旅行攻略：行程、预算、避坑一次排好

说清天数、预算、偏好，AI 出逐日行程表，你只负责按真实交通与评价微调。