RAG 是什么,为什么大模型还需要检索
大模型能够生成流畅回答,却不知道企业私有资料,也可能使用过期知识或编造细节。RAG 在生成回答前先检索外部知识,再把相关内容交给模型推理,读完可以理解完整工作链路,并判断哪些问答场景值得引入 RAG。
技术文章 · 技术实践
READ / ARTICLES
从一个具体问题出发,读懂原理,也读懂工程中的取舍。
人工智能 · 14 篇文章
大模型能够生成流畅回答,却不知道企业私有资料,也可能使用过期知识或编造细节。RAG 在生成回答前先检索外部知识,再把相关内容交给模型推理,读完可以理解完整工作链路,并判断哪些问答场景值得引入 RAG。
团队资料越来越多时,文件夹和聊天记录很容易让知识分散、重复和过期。Wiki 用可持续编辑的页面、链接、历史版本和协作机制组织知识,读完可以判断它与普通文档、知识库的区别,并选择适合使用 Wiki 的场景。
企业知识问答、垂直助手和专用模型常在微调与 RAG 之间反复权衡。理解两种方案分别改变模型行为还是补充外部知识,并比较时效性、可追溯性、成本与维护方式后,就能判断该单独使用哪一种,以及什么时候值得组合使用。