什么是 RAG？从原理到工作流，一篇讲清 RAG 增强生成流程

为什么你的AI助手总爱“编答案”？RAG 就是那个能帮它作弊的“小抄本”。

你有没有遇到过这种情况：问AI一个公司内部的问题，它回答得头头是道，但细看全是网上搜来的通用信息，甚至还会凭空捏造一些不存在的流程？或者让它推荐最新的技术方案，它却翻出三年前的过时资料？

这不是AI不够聪明，而是它天生有个“硬伤”——知识截止日期。大模型的知识来自训练时的数据，之后发生的事情它一概不知。更麻烦的是，为了让你满意，它偶尔会“自信地胡说八道”，这就是传说中的幻觉。

怎么破？答案是 RAG（检索增强生成）。今天这篇文章，我会用最通俗的方式，把RAG的原理、工作流程和关键技术讲清楚。

一、RAG到底是什么？给AI配个“外挂知识库”

RAG = 检索（Retrieval） + 增强（Augmented） + 生成（Generation）

你可以把它想象成：让AI在回答之前，先偷偷翻一下“小抄”。

传统大模型就像一个闭卷考试的学生——只能靠脑子里的记忆答题，遇到没学过的或者记错了，就会瞎蒙。而RAG相当于允许大模型开卷：先到知识库里快速查找相关段落，然后结合查到的资料和自己的语言能力，给出一个有理有据的回答。

所以，RAG改造后的AI：

• 回答更准：基于真实资料，不易胡说
• 能及时更新：知识库换新内容，AI马上学会
• 有据可查：甚至可以告诉你答案来自哪份文档
• 更懂你：知识库可以是你自己的业务数据，语气、风格都可以定制

对比一下传统大模型 和 RAG增强模型的区别：

二、RAG工作流程拆解

一个完整的RAG系统包含四个关键步骤：文档收集和切割、向量转换和存储、文档过滤和检索、查询增强和关联。我们跟着一个具体例子来走一遍。

假设：你是一家公司的客服AI，需要回答产品规格问题。知识库里存着《产品手册2026版》等文档。

第一步：文档收集与切分

先把你的PDF、Word、网页、数据库内容统统抓过来，清洗掉乱码、统一格式。然后，把长文档切成一个个小片段（chunk），每个片段通常在几百个token左右。

切分的方式很有讲究，常见的切分方式：

• 按固定长度切（比如512个token）——简单但可能打断句子
• 按语义边界切（段落、章节）——更合理
• 递归切分（优先按段落，太长再按句子）——折中方案

这一步其实是最容易影响最终效果的。切得好，召回率高；切得烂，神仙也救不了。我之前专门写了一篇不同文档切分策略的实测，感兴趣的可以阅读我的另一篇文章 【TODO】别再乱切文档了：实测5种切分策略在RAG中的效果。

第二步：向量化与存储

计算机看不懂文字，但看得懂数字。所以要把每个文本片段“翻译”成一组数字，这就是向量。

• Embedding模型 负责这个翻译工作。它会把一段文字映射到高维空间中的一个点。
• 语义相似的文本，在这个空间里距离更近。比如“电脑”和“笔记本”的向量会挨着，“电脑”和“香蕉”就离得远。
• 生成的向量和它对应的原文，一起存进向量数据库。

向量数据库专门为这种“找近邻”的查询做了优化。常见的包括Milvus、Pinecone，以及传统数据库的向量插件（PGVector、RediSearch等）。

为什么要这么折腾将**文本转换成向量？**

了解了基本文本向量化基本概念，有的朋友读到这里可能就会有疑问了，我们为什么需要将文本向量化呢？直接将文本输入给大模型或者存储起来不可以吗？

回答是——**不可以！！！**总结原因有三：

• （1）让文本可计算：把文本转换成向量，最根本的原因在于：计算机只能处理数字，无法直接理解文字符号。而向量是文本的一种数值化表示，有了它才能让计算机“读懂”文本，并执行各种智能任务
• （2）语义表征：在向量空间中，词的语义关系（相似、类比、蕴含）可以被映射为可量化的距离与方向，从而让机器“理解”含义而非字面匹配。
• （3）降低维度与抽象表示 ：原始文本通常是极高维且稀疏的，直接使用会导致计算爆炸且泛化能力差。通过向量化（尤其是降维技术）既避免计算灾难与过拟合，又为各类机器学习模型提供高效、泛化的特征输入

第三步：检索与过滤

当用户问“产品A的防水等级是多少？”时，系统先把这个问题也转成向量，然后去向量数据库里找和它最相似的几个文档片段。常用的相似度算法有余弦相似度、欧氏距离等。

有时候还会加上一些过滤条件，比如只查最近三个月更新的文档，或者指定文件来源。这样就能快速拿到一批和问题高相关的候选段落。

这里涉及几个术语：

• 召回：就是快速捞出可能相关的一堆结果，不要求特别准，但必须快、广。
• 精排：对上一步捞出的一两百个结果，用更复杂的模型算分，挑出最相关的3-5个给大模型。精排通常会用Rank模型（如BERT排序）。

第四步：增强生成

最后一步，把检索到的几个相关段落和用户原问题，拼成一个增强提示（Augmented Prompt），喂给大模型。模型会根据这些上下文生成最终答案，甚至可以引用具体来源。

比如提示词可能是：

请根据以下参考资料回答用户问题。
参考资料1：产品A防水等级IP68...
参考资料2：...
用户问题：产品A的防水等级是多少？

这样模型就不会瞎编，老老实实照资料说。

三、一张图看懂RAG全流程

四、RAG 进阶——混合检索让结果更聪明

只靠向量检索有时候也会翻车——比如用户搜“iPhone 15”，向量检索可能把“iPhone 14”也当成相近的，但关键词“15”却没有被重视。解决办法是混合检索：

• 同时跑关键词检索（经典算法BM25）和向量检索。
• 把两者的结果按一定权重合并（比如各占50%）。
• 很多RAG框架（如Dify、LlamaIndex）都支持这种策略，还可以调权重。

这样既保留了关键词的精确匹配，又利用了语义的泛化能力。关于RAG的混合检索，大家感兴趣可以阅读我的另一篇文章：什么是混合检索？在RAG系统中如何结合BM25与向量检索实现混合检索？

五、RAG 相关术语速查表

这里汇总一下关于 RAG 的相关的技术术语，方便大家查阅：

总结

关于 RAG 的基本原理，本文就讲到这里。但理论只是第一步，接下来我会陆续输出更落地的内容：

• Spring AI + 本地知识库 RAG 实战：从零搭建一个完整的问答系统，代码、配置、踩坑点全记录。
• 向量数据库选型对比：Milvus、PGVector、Redis Stack 怎么选？
• RAG 评估与调优：如何量化你的 RAG 系统到底好不好用？

如果你不想错过这些实战教程，欢迎关注我的公众号 AutowiredAI，每一篇都会第一时间推送。后台回复 「RAG」 还能获取本文的完整代码仓库链接（实战篇发布后自动更新）。