作為一種新興的AI工具，正在逐漸走進(jìn)人們的視野。RAG（Retrieval-Augmented Generation，檢索增強(qiáng)生成）它結(jié)合了檢索和生成的能力，能夠快速從海量資料中提取信息，并生成準(zhǔn)確且生動(dòng)的答案。

今天看了RAG的文章介紹，算是給自己科普，慣例，輸出倒逼輸入，講講對RAG的理解。

01 什么是RAG？

RAG是一個(gè)檢索增強(qiáng)生成工具，他就像是開卷考試的天才，當(dāng)你問他一個(gè)問題，他不是死記硬背，而是快速檢索資料，然后再結(jié)合資料生成答案。這個(gè)答案的內(nèi)容也會(huì)進(jìn)行潤色，讓內(nèi)容更生動(dòng)，更有邏輯。

02 RAG的思考步驟

1.查資料

當(dāng)我們提了一個(gè)問題后，他會(huì)從海量的資料中進(jìn)行檢索，當(dāng)然，這里的前提是公開的資料。

2.整理重點(diǎn)

海量的資料很雜很亂，而且可能還有一些無效信息，那就需要進(jìn)行去偽存真，進(jìn)行規(guī)整。

3.生成回答

利用規(guī)整好的資料，再調(diào)用大模型的能力，把資料整理成流暢的內(nèi)容的回答。

03 為什么比普通AI更聰明

普通的AI像是閉卷考試，知識不會(huì)更新，模型訓(xùn)練完后，知識就定型了，但是RAG不會(huì)，隨時(shí)都會(huì)調(diào)取最新的數(shù)據(jù)。

普通AI容易瞎編，但是RAG基本上能夠引用真實(shí)的文章，并且還會(huì)說明出處。

RAG可以支持你只需要引用一部分的知識庫，比如法律相關(guān)、公司內(nèi)部知識庫。這樣更有針對性，更符合我們的實(shí)際要求。

04 RAG的應(yīng)用場景

未來大部分公司都會(huì)引用RAG知識庫，我們可以把企業(yè)的數(shù)據(jù)和AI結(jié)合起來。這樣，當(dāng)問一個(gè)非常有針對性的問題，就可以很方便的調(diào)用內(nèi)部的知識庫，得出較為精準(zhǔn)的回答。

像現(xiàn)在經(jīng)常用的飛書，你問一個(gè)問題，他很快能夠結(jié)合過往的聊天記錄、文檔等信息，給你生成較為準(zhǔn)確的回答。

但是現(xiàn)在的RAG還不是很成熟，存在召回率低、準(zhǔn)確率不高的問題。

可能還需要不斷升級迭代整體的技術(shù)能力，但不管怎樣，RAG是以后所有AI應(yīng)用企業(yè)必備的工具，大部分的產(chǎn)品經(jīng)理都要懂RAG。

未來沒有AI產(chǎn)品經(jīng)理的說法，人人都是AI產(chǎn)品經(jīng)理，因?yàn)锳I就像水煤電一樣，融入工作生活的方方面面。