大模型中的“RAG（Retrieval-Augmented_

梦想是仗剑走天涯

RAG是一种结合信息检索和增强生成的大模型技术，当用户输入问题时，先去知识库检索相关信息，再将检索内容与用户拼接成上下文，给大模型生成自然语言，解决了大模型在特定领域下知识有限，胡编乱造的问题。

发表于 2025-08-18 20:58:21 回复(0)

幸福的小确幸给你点了个赞

RAG Retrieval Advanced Generation是一种结合信息检索和增强生成的大模型技术，用于缓解幻觉和突破训练数据时间限制的瓶颈。具体步骤：1. 将文档提前构建检索向量数据库 2. 对用户query进行检索，召回top-k相关文档 3. 利用In-context Engineering增强模型回答

发表于 2025-09-01 09:48:14 回复(0)

想退休的太平湖水怪

检索增强生成，预先准备一个向量数据库，包含有大模型推理所需要的上下文，在用户输入Input之后，从数据库中召回响应的文本作为大模型的上下文，提升推理的准确性

发表于 2025-12-11 21:08:39 回复(0)

牛客697195181号

RAG指的是检索增强生成，是结合文本生成和知识检索的一种大模型技术。让模型在收到用户提问时，从知识库中提取相关信息，生成结果。解决了大模型由于通用能力不足以支撑特定任务而胡编乱造的问题，为模型提供了特定知识域的信息以及实时性信息，使得模型回答更加准确可信。

发表于 2026-03-30 09:53:15 回复(0)

大牛37

RAG是一种结合知识检索和文本生成的大模型技术，在模型回答问题时能够查资料、用资料、生成更准确、信息更丰富的答案。

发表于 2026-03-28 16:15:55 回复(0)

RONGQINLIE

RAG中文名称叫检索增强生成，通过结合信息检索和文本生成两大模块，通过检索大量的特定知识库内容，先在知识库中检索答案，再结合模型自身能力，综合给出最终答案；解决了模型在特定领域下知识有限的前提下不至于胡编乱造，也突破了模型知识截取时间的限制。

发表于 2026-03-28 12:28:21 回复(0)

啦啦乌

主要提供知识检索和问答生成的大模型技术，用于解决大模型的幻觉问题，当用户输入问题时，首先将用户的的输入转换为embedding再到知识向量库中进行相似度匹配，再将检索到的消息与用户的输入拼接成上下文一起在为给大模型来生成回答

发表于 2026-03-27 14:07:50 回复(0)

希望奇迹发生的大熊猫很想吃卤蛋

rag，检索增强生成，是一种结合信息检索和增强生成的大模型技术，通过外置知识库，当用户输入问题时，通过在知识库中检索相关信息，返回对应的检索内容，将返回的内容和问题评价成新的输入给llm，有效的改善llm在专业领域的知识不足以及幻觉的问题

发表于 2026-03-23 20:42:10 回复(0)

牛客499956214号

Rag可以称之为信息检索+文本生成大模型技术，这种检索生成增强是让大模型先查资料再作答，能让模型输出更准确、更有依据的答案。主要是缓解幻觉和突破训练数据时间限制的瓶颈。其主要步骤就是，给文档简历向量检索数据库，用户进行问题提问，招回top的相关文档，利用生成模型回答。

发表于 2026-03-18 20:46:28 回复(0)

希望被捞的鱼🐟

大模型通过检索外部资料或查询网页网站来提升回复的质量

发表于 2026-03-10 11:02:43 回复(0)

焦焦焦鹏

rag的本质是检索增强生成，相当于是给大模型接上了一个外置硬盘（可以是特定场景），这些外置信息以检索向量库的形式存在，当用户输入问题是，先去知识库检索相关的信息，然后再将检索内容和用户的输入拼接成上下文，给我们生成自然语言，通过这种方式实现降低模型幻觉的出现。

发表于 2026-03-09 20:57:01 回复(0)

Eisen37

RAG实际上做的一件事情就是指定范围的检索，当大模型的上下文长度有限的时候，如果在用户和模型对话的上下文中用户想要检索的信息超过模型的上下文限制，模型就无法检索到相关信息，而通过RAG技术，我们可以先对上下文进行分块，用一个embedding将这些有语义的块编码成在共同空间中的向量，类似的语义会让向量落在更加靠近的位置，在这个情况下用户发出检索之后就可以用相同的embedding将检索也映射到这个向量空间，在这个向量的周边进行二次的查找就能解决上下文有限的问题

发表于 2026-01-27 21:32:29 回复(0)