---
title: AI 中的 RAG（检索增强生成）是什么意思？
description: "RAG 全称 Retrieval-Augmented Generation，意为…"
url: "https://navi2ai.com/docs/ai-%e4%b8%ad%e7%9a%84-rag%ef%bc%88%e6%a3%80%e7%b4%a2%e5%a2%9e%e5%bc%ba%e7%94%9f%e6%88%90%ef%bc%89%e6%98%af%e4%bb%80%e4%b9%88%e6%84%8f%e6%80%9d%ef%bc%9f/"
updated: "2026-09-13"
category: 专业术语
tags:
  - RAG
---

# AI 中的 RAG（检索增强生成）是什么意思？

RAG 全称 Retrieval-Augmented Generation，意为检索增强生成，是一种将信息检索与大语言模型生成能力相结合的技术架构。当用户提问时，RAG 先从外部知识库（向量数据库、文档索引、搜索引擎）中检索相关片段，再将检索结果作为上下文注入 prompt，让模型基于真实信息生成回答。

你可以把它理解为给 AI 配了一本“可以实时翻阅的参考书”——模型不再只靠训练时学到的知识，而是每次回答前先去查资料。

RAG 的核心组件：

- **文档入库**：将文档切片、向量化存入向量数据库
- **检索模块**：根据用户问题检索最相关的文档片段
- **融合模块**：将检索结果与原始问题拼接成 prompt
- **生成模块**：LLM 基于增强后的上下文生成回答

 

**大白话理解：**

没有 RAG 的时候：

- 你问 AI “我们公司去年的销售额是多少？” → AI 不知道，因为它没学过你们公司的数据
- 你问 AI “这本书的第 3 章讲了什么？” → AI 只能凭训练时的记忆瞎猜
- AI 回答看起来很合理，但数据是编的 → 这就是“幻觉”

有了 RAG 之后：

- 你问 AI “我们公司去年的销售额” → AI 先去查公司数据库，找到真实数据，再回答
- 你问 AI “这本书第 3 章讲了什么” → AI 先去检索第 3 章的原文，再总结给你
- 回答有据可查，不再胡编乱造

 

**打个比方：**

| 纯 LLM | RAG |
| --- | --- |
| 像闭卷考试，全靠脑子记 | 像开卷考试，可以翻书 |
| 记错了就胡说 | 查到什么说什么 |
| 知识截止于训练日期 | 可以接入最新数据和实时信息 |

 

**一句话总结：**

> RAG 让 AI 在回答前先去查资料，解决了纯 LLM 的知识滞后和幻觉问题。