检索增强：给模型一本参考书

实验目的

理解检索增强生成的流程，以及它对提升回答可靠性的作用。

实验原理

先把资料切分成片段并转成向量存入知识库；提问时把问题也转成向量，按相似度检索出最相关的片段；再将片段与问题一起放入提示，交给模型生成回答。回答有了依据，可减少编造，也便于更新资料而无需重新训练模型。

实验器材

• 用户问题
• 参考资料库（文档片段）
• 检索出的相关片段
• 拼接后的提示
• 模型生成的回答
• 有无检索的回答对比

实验步骤

1. 先不使用资料，观察模型直接回答问题。
2. 查看参考资料库中的文档片段。
3. 输入或选择问题，观察系统检索出的片段。
4. 查看片段如何与问题拼成提示。
5. 对比有无检索时回答的差异。

实验现象与结论

没有参考资料时，模型可能答非所问或编造；检索到相关片段后，回答更贴近资料内容。若检索到无关片段，回答也会受误导。结论：检索增强让回答有据可依，但效果取决于检索质量和资料本身是否可靠。

注意事项

• 检索增强不能保证完全正确，重要信息需核对原文。
• 资料来源不可靠，生成的回答也不可靠。

常见问题

RAG 和微调有什么区别？

RAG 在回答时临时查资料，不改变模型参数；微调是用数据继续训练，会改变模型参数。

RAG 能完全避免模型胡说吗？

不能。检索不准确或资料有误时，模型仍可能给出错误回答。