PIPELINE01 — 定位
RAG（检索增强生成）详解
流程分为两步。首先用问题在自有知识库中找到相关文本段落。然后语言模型获得这些段落，并被指示仅根据这些内容回答。
这解决了自由语言模型的核心问题：当它们不知道答案时会编造听起来合理的回答。使用 RAG,对未知问题的正确回答不是编造的答案，而是诚实的“我没找到相关内容”，并转交给人工。
02 — 实践
这对小企业意味着什么
定位
对于企业来说，RAG 是网站聊天机器人能够可靠的根本原因。质量不再取决于模型，而是取决于知识库——即自有资料的完整性和时效性。
03 — 问题
常见问题
RAG 需要特别多的数据吗？
不需要，需要的是结构良好的数据而非大量数据。一个维护良好的 FAQ、最新的服务描述和几个示例文档通常足以开始。
我们的文档会因此成为模型的一部分吗？
不会。它们保留在单独的存储中，仅在运行时被提供。不会用您的数据进行训练。
下一步
让我们简短讨论一下这对您是否划算。
二十分钟的对话通常就足以弄清一个项目是否有意义。如果没有，我们会直说——这对双方来说都比一份无人需要的报价更便宜。