RAG 是什么？让 AI 先翻书，再回答
系列第四期，约 90 秒的手绘动画：RAG 让 AI 先查资料，再开口。
RAG 是什么？
让 AI 先翻书，再回答
① 一个内部问题
问 AI 公司的事，它没见过
提问：我们公司的差旅报销上限是多少？
抱歉，我不了解贵公司的具体规定。
一般是每天 500 元，超出部分需要审批。
数字是编的！② 全塞进去行不行
几百份文档，上下文装不下
员工手册报销制度请假规定产品手册
合同模板会议纪要培训资料客服问答
技术文档采购流程安全规范… × 300
上下文窗口装不下！
装不下又慢又贵找不准重点
③ RAG 是什么
RAG：先查资料，再回答
Retrieval 检索·Augmented 增强·Generation 生成
普通问答 = 闭卷考试
只能凭训练时的记忆作答，
没见过的就容易编。
RAG = 开卷考试
先翻到相关的那几页，
再照着资料作答。
④ 第一步：提前准备
把资料整理成按意思排好的书架
⑤ 第二步：回答问题
先找最相关的几段，再交给模型
1问题「报销上限是多少？」转成向量
2在向量库里找出最接近的 3 段报销制度 3.2报销制度 3.3附表 1
3把这 3 段和问题一起交给 LLM
4模型照着资料回答，并注明出处
国内出差住宿每晚不超过 450 元。（出处：《差旅报销制度》第 3.2 条）
* 制度名称和数字均为示例
⑥ 好处
有出处、能更新、少胡编
有出处
每个回答都能点开原文核对
更新快
文档改了，答案跟着变，不用重新训练模型
少胡编
照着资料答，而不是凭印象
前提：资料要准，也要找得准
⑦ 和 Skill、MCP 的区别
| 管什么 | 像什么 | |
|---|---|---|
| RAG | 该查哪些资料 | 图书管理员 |
| Skill | 事情该怎么做 | 操作手册 |
| MCP | 能接上哪些工具 | 接口和插头 |
常常一起用：MCP 接上知识库 → RAG 找出资料 → Skill 规定怎么写回答
一句话总结
RAG 让 AI 先翻书，
再开口。
检索相关资料+交给 LLM→有据可查的回答
空格键播放/暂停，← → 切换章节，点击画面也可暂停。配音使用你设备自带的中文语音，音色因设备而异。