RAG（检索增强生成）让大模型先检索你的私有资料再作答，能显著减少"幻觉"，是企业落地的主流方案。
一、适用场景
企业客服、内部知识问答、文档助手，任何"答案必须来自自有资料"的场景。
二、准备
准备文档（PDF/Word/网页），选一个框架（LangChain、LlamaIndex 或 Dify 等），以及向量库（如 FAISS、Milvus）。
三、操作步骤
1. 切片：把长文档按段落或固定长度切分成块，块太小丢上下文、太大不精准。
2. 向量化：用嵌入模型（Embedding）把每块转成向量存入向量库。
3. 检索：用户提问时把问题也向量化，召回最相似的若干块。
4. 生成：把召回内容拼进提示词，让大模型基于资料作答并注明来源。
四、要点提示
切片策略很关键；定期重建索引；在提示词里要求"无依据就说不知道"。
小结：RAG 让 AI 从"凭记忆猜"变成"查资料答"，是构建可信 AI 应用的第一步。
