RAG 是什么：让大模型先找资料，再回答问题

从相机笔记中找一个答案

假设你收藏了十篇摄影文章，想回答“为什么我在室内拍孩子总是模糊”。一般聊天模型可能介绍快门、对焦和光线，但并不知道你收藏过哪篇文章，也不知道你的记录里写着“孩子跑动时才模糊”。如果先从自己的资料中找到运动模糊、快门速度和对焦模式相关的段落，再结合这些内容回答，答案就有机会贴近真正的问题。

RAG 通常译作检索增强生成。原论文将外部检索信息与生成模型结合；对普通使用者，重要的是“先取得相关材料，再依据材料作答”这条顺序。它不是把整本知识库永久装进模型，也不意味着模型从此知道所有私人内容。每一次回答仍需要明确找到什么、读到了什么。

检索和回答是两道不同的关

第一道关是找对材料。标题里没有“模糊”的文章，可能写了“凝固运动”；一篇标题很相关的器材评测，正文却没有讨论你的拍摄条件。第二道关是用对材料：即使找到了正确段落，回答也可能忽略“在光线充足时”这样的前提，把局部建议扩展成任何场景都适用的结论。

这两种问题需要不同处理。找错材料时应调整检索范围、词语或筛选条件；读错材料时应补看前后文，检查结论是否超出了原文。只对最终答案说“再准确一点”，未必能暴露故障在哪里。能够展示引用、输入范围和缺失信息，往往比反复生成一段更自信的答案更有用。

向量不是 RAG 的同义词

向量检索常被用于寻找表达不同但语义相近的内容，关键词搜索则有利于匹配明确的名称、编号或术语。Anthropic 的 Contextual Retrieval 官方文章讨论了语义检索与 BM25 关键词检索的结合，说明检索可以有不止一种路径；这里不引用其性能数字来承诺任何私人知识库的效果。

回到摄影例子，询问“那台相机的某个菜单选项”时，精确型号和选项名称很重要；询问“怎样拍出运动中的清楚照片”时，相近含义可能更有用。是否需要向量数据库，应由真实查找问题决定。一个只有几篇材料的小专题，直接读取目录与正文也许更简单；没有必要先为术语购买一套复杂系统。

切成小段之后，不能把前提切丢

为了便于查找，资料可能被拆成段落或更小的内容块。但句子“可以适当降低快门速度”若脱离了前一句“拍摄静止物体并使用稳定支撑”，就可能变成错误建议。表格中的单位、图片的说明和小节标题，也都可能决定一段文字究竟在说什么。

个人使用者可以做一个很实际的检查：不要只看回答引用的那一句，至少向前后各读一段，或回到完整小节。产品设计也应为内容块保留它属于哪篇文章、哪一节、什么版本的线索。检索片段是阅读入口，不应成为被剪裁到无法核对的孤岛；否则引用看起来精确，语义却已经偏离。

没有找到，不等于材料里没有

假如系统回答“你的收藏中没有相关内容”，它可能只是这次没有检索到，也可能资料尚未提取成功，或问题使用了不同的表达。把有限检索失败写成全库事实，是一个常见但不易察觉的跳跃。更诚实的说法应限定范围：在本次可检索的资料里，暂未找到足够依据。

你可以用三个问题追查：检索了哪些收藏；哪些文件不可读或未完成处理；换一个同义词会不会得到其他候选。也可以故意选一篇自己知道有答案的文章作对照。如果指定文章后能回答，全库查找时却漏掉，下一步应修查找过程，而不是把所有资料再导入一次。

用一张小考卷检验自己的资料问答

准备五个问题就能建立比主观印象更稳定的判断：一个可直接找到答案的问题，一个需要比较两篇文章的问题，一个依赖日期的问题，一个材料没有答案的问题，以及一个故意包含错误前提的问题。给每题写下自己预期的来源或拒答理由，保留这份小考卷。

例如摄影资料中从未记录过镜头型号，就问“我那支镜头为什么有问题”。可靠系统应承认缺少型号，而不是顺着“那支镜头”编造。测试不需要追求漂亮的总分，先区分漏找、误读、无依据补充和引用错误。每解决一个明确类别，才知道改进来自哪里，也避免被一次惊艳回答误导。

资料更新后，答案也需要知道自己依据哪一版

摄影教程可能在后续补充勘误，你的拍摄记录也可能新增条件。如果检索仍然找到旧片段，模型就算忠实复述，也会给出过时的回答。因此，检索增强生成还有一个不够显眼的问题：资料的版本与检索结果是否对应，删除或修改后，后续回答还会不会继续沿用旧内容。

这不意味着每次打开文章都应该重新抓取，也不意味着新版本一定要覆盖旧版本。比如你要回顾自己当时为什么做出选择，收藏时的旧版本反而是重要依据。系统需要区分“根据当时保存的材料回答”和“查询目前最新信息”；两者都是合理任务，但不能在同一段答案里悄悄混用。

个人使用时可以在问题中加上时间条件：“根据我上个月保存的教程，解释当时的设置选择，不补充未核实的新规则。”如果准备把答案用于现在的行动，则明确要求指出需要更新核对的地方。这样可以把技术上的版本问题，转成自己能够表达的目的，也减少旧资料被误当成当前事实。

RAG 让资料参与回答，不能替人完成理解

检索增强生成能把资料带到问题旁边，却不能自动决定你的目标是否合理、作者是否可信、不同观点之间应如何取舍。对于“我应该怎样练习摄影”，原文可以提供方法，你的时间、兴趣和愿意投入的程度仍然需要本人表达。证据帮助判断，但不替代判断。

对个人知识库而言，RAG 更适合被看成一种可选择的连接能力：需要时把过去留下的内容找回来，平时不打断阅读。先收藏可靠原文，记录自己的疑问，尝试少量可核对的资料问答；当查找问题真的出现，再考虑更复杂的检索结构。这条路比从技术名词反推生活习惯更稳妥。