AI 提效
第 13 课：知识库与 RAG：让回答先查资料
理解检索增强生成的基本逻辑，知道它能减少什么问题、又不能保证什么。
这一节要解决什么问题
知识库是经过整理、授权和维护的资料集合。RAG（检索增强生成）先从资料中找出与问题相关的片段，再把片段放进模型上下文，由模型组织回答。它解决的是“模型训练时不知道或记不准某份内部资料”的问题，不是给模型安装了永远正确的记忆。
一个简单例子
公司把已批准的售后政策放入知识库。用户提问时，系统检索相关条款，回答应标出依据或链接，并在找不到依据时说“不确定”。如果知识库里有过期政策、权限设置错误或检索到了不相关片段，回答仍会出错。
与训练和普通上传的区别
训练改变模型参数，成本高且更新慢；一次上传通常只服务当前会话；RAG 在回答时临时检索，可更新、可追溯。它仍需要资料清洗、版本管理、权限控制和评估。向量、嵌入和数据库是实现细节，本课不进入搭建教程。
本节小结
RAG 的价值是“先找证据再表达”。关键不是堆文件，而是维护可信、可访问、可追溯的知识源。