02 · RAG 工作原理

检索、增强、生成三步拆开讲

📚 《AI 知识库开发入门》第 2/20 篇 · 下一篇：03 · 方案选型

RAG = 先查资料再回答。管线七步：文档 → 切块 → 向量化 → 入库 → 检索 → 拼 prompt → 生成。

01 三个关键概念

embedding：把文字变成"语义指纹"（意思相近的指纹相近）。向量库：按含义找书的图书馆。chunk：借书借的是章节不是整馆——文档要切块才能精准检索。

02 每步的类比

入库像图书馆编目，检索像按主题借书，生成像把摘抄递给作者写答案。答案质量取决于借到的章节对不对——垃圾进垃圾出。

03 排障地图

答错了先定位哪一步：没检索到（3-5 步问题）还是检索到了答歪了（6-7 步问题）。会分这一刀，就赢过一半从业者。

04 动手

用在线 embedding 演示工具对比"猫/狗/汽车"的向量距离 → 验收：能说出为什么猫狗更近。

05 小结

七步管线是全课的地图，后面每篇修其中一段。下一篇选路线。

📎 实战案例

工程师第一次跳过原理直接调参，出问题只会重启。他把 RAG 七步管线画出来后，一遇 badcase 先定位是「没检索到」（3-5 步）还是「检索到了答歪」（6-7 步）——会分这一刀，就赢过一半从业者。

踩坑

• 不懂管线就调参，出问题只会重启——先会定位再谈优化。
• 以为检索是关键词匹配，写了满屏同义词冗余文档——语义检索不需要这个。