检索增强生成
Retrieval-Augmented Generation, RAG
先从你的资料库里找出相关内容，再把它连同问题一起交给模型回答。
解释
RAG 解决的是“模型不知道你公司内部资料”和“模型会编”这两个问题。流程一般是：把文档切块 → 用嵌入模型转成向量存起来 → 用户提问时找出最相关的几块 → 放进提示词让模型据此回答。
效果好坏主要取决于“找得准不准”：切块方式、检索数量、资料本身的质量，比选哪个对话模型影响更大。
常见误解
✕以为上了 RAG 就不会再有幻觉。检索不到或检索错了，模型照样会自己补。