RAG 是什么？一文带你看懂 AI 的“外挂知识库”-CSDN博客

本文链接：https://blog.csdn.net/2401_82469710/article/details/147918108

RAG 是什么

RAG（Retrieval Augmented Generation，检索增强生成）是一种结合信息检索和文本生成的技术方案

RAG 技术就像给 AI 装上了「实时百科大脑」，通过先查资料后回答的机制，让 AI 摆脱传统模型的”知识遗忘”困境

主要核心流程分为：

检索（Retrieval）
：基于用户的输入，从外部知识库（数据库、文档、网页）中检索与查询相关的文本片段，通常使用向量化表示和向量数据库进行语义匹配。
生成（Generation）
：将用户查询与检索到的内容作为上下文输入给 LLM（如 GPT、DeepSeek 等），由模型输出最终回答。

RAG 解决了什么问题

1、知识更新滞后

LLM 是离线训练的，一旦训练完成后，它们无法获取新的信息，因此，它们无法回答训练数据时间点之后发生的事件，比如“今天的最新新闻”

2、幻觉现象

大语言模型（LLM）的回答是根据已有的 训练数据 和概率预测得出来的，当面对没有在训练中见过的问题时，模型可能会“编造”看似合理但实际上不准确或虚构的内容

RAG 是如何解决这些问题的？

RAG 将信息检索与语言生成相结合，在回答问题时，首先从外部知识库（如网页、数据库、文档等）中检索相关信息，再基于这些信息生成回答。这样一来：

即使模型本身不包含最新知识，也能通过检索获取最新内容
回答更加有依据，减少“编答案”的幻觉现象

RAG 流程

文档索引

在 RAG 中，文档索引是整个流程的基础环节之一，将文档（word，excel，PDF，Markdown 等）根据一定的规则容划分为文本块（chunk），然后通过 Embedding 模型将文本块转换为向量并存入向量数据库中

文档索引的目的是为了实现高效、准确的信息检索，为后续的大语言模型生成提供可靠的上下文支持。

步骤

向量化用户问题
：将用户问题用相同的 Embedding 模型转换为向量，用以检索相关知识分片
检索（Retrieval）
：通过向量数据库一系列高效的数学计算（如余弦相似度、欧氏距离等），检索出语义相似度最高的几个知识分片（Top_k）
构建 Prompt
：将 Prompt + 检索结果+ 用户问题 构建成完整的 Prompt
生成（Generation）
：大语言模型再根据这个 Prompt 生成结果

Embedding 模型是什么？

Embedding 是一种将文字序列（如词、句子或文档）转换为向量表示（固定维度的向量）的技术

模型目标：使得具有相似语义的文字序列对应的向量尽可能接近（即相似度高），而语义不同的文字序列对应的向量尽可能远离（即相似度低）

作用：通过数学计算向量之间的距离，快速检索出相似度最高的文字序列

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望