RAG 相关知识点

本主题位于应用架构层，从知识外置的基本取舍出发，覆盖摄取索引、在线检索、高级与多模态方案、生成评估，以及动态更新和安全治理。

子模块

1. 基础与选型（第 1–2 章）
2. 摄取与索引（第 3–9 章）
3. 在线检索（第 10–14 章）
4. 高级与多模态（第 15–16、21 章）
5. 生成与评估（第 17–18 章）
6. 运维与安全（第 19–20 章）

模块关系

flowchart TB
    F[基础与选型] --> I[摄取与索引]
    F --> R[在线检索]
    I --> R
    R --> A[高级与多模态]
    R --> G[生成与评估]
    A --> G
    I --> O[运维与安全]
    G --> O

阅读建议

• 快速建立全貌：基础与选型 → 在线检索 → 生成与评估；
• 知识库工程：摄取与索引 → 在线检索 → 运维与安全；
• 效果优化：在线检索 → 生成与评估；
• 复杂语料：摄取与索引 → 高级与多模态 → 生成与评估。

常见问题

RAG 能完全消除大模型幻觉吗？

不能。RAG 可以给模型提供可核验的外部证据，但检索可能漏召回、召回错误内容，模型也可能忽略或误读证据。生产系统仍需要引用、拒答、输出校验和端到端评测。

RAG、微调和长上下文应该怎么选？

需要频繁更新或可追溯的知识时优先考虑 RAG；需要稳定改变模型行为时考虑微调；资料规模可控且任务依赖整体上下文时可以直接使用长上下文。实际系统经常组合三者，而不是三选一。

Chunk 越小，检索效果越好吗？

不一定。小 Chunk 定位更精确，但可能丢失上下文；大 Chunk 信息完整，却会引入噪声并增加 Token 成本。应根据文档结构、问题粒度和重排能力，通过真实查询集评测块大小与重叠率。

返回文档主题索引。