**RAG（Retrieval-Augmented Generation）**是一种结合检索与生成技术的框架，旨在通过引入外部知识增强生成模型的性能。其核心思想是：在生成文本时，先从外部知识库中检索相关信息，再将检索结果与原始输入结合，作为生成模型的输入，从而提升生成内容的准确性、相关性和信息量。
RAG的流程
RAG的流程主要分为三个阶段：检索（Retrieval）、增强（Augmentation）和生成（Generation）。
1. 检索（Retrieval）
- 目标：从外部知识库中获取与输入问题相关的信息。
- 方法：
- 知识库构建：预先将大量文档（如文本、数据库、网页等）存储在知识库中，并对其进行索引。
- 查询处理：将用户输入的问题转换为查询向量（通常使用预训练的嵌入模型，如BERT、Sentence-BERT等）。
- 相似度匹配：通过向量相似度（如余弦相似度）或关键词匹配，从知识库中检索与查询最相关的文档或段落。
)
