← 返回概念解读

Concept Fable

检索增强生成

Retrieval-Augmented Generation, RAG · LLM Applications

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

河口的一支商队里那块总被挪错的货签

河口问事馆有位答客先生,记性很好,能把旧判例、船契和税令讲得头头是道。小城事情少时,客人问什么,他凭记忆就能答个大概。后来商路变多,规矩天天更新。先生仍爱凭记忆作答,有一次把三年前的旧税率说给新商队,害人多交了银子。

掌柜先让先生多背书。书越背越厚,旧条文和新条文混在脑中,越重要的问题越怕他记错。

一位档案员改了流程。客人先说问题,寻卷童去库房找最相关的几页,按新旧、来源和适用范围排好,再送到先生桌上。先生必须看着这些页回答,答完还要标出依据。

第一次试用时,寻卷童只按关键词找,拿来许多半相关卷宗。先生看似有证据,仍答偏了。档案员又加了复查:缺关键页就补找,旧页要标日期,冲突页要说明取舍。

问事馆速度慢了一点,但错用旧规的事故少了。先生的记忆仍有用,负责组织语言和推理;真正的事实依据,来自当场取回的卷宗。

有位客人问得很刁:旧契约能不能按新税令减免。寻卷童只拿来税令不够,还要找契约日期、过渡条款和船籍证明。先生看着卷页回答,才不会把记忆里的常识当成眼前的依据。

掌柜还放了一个小铜铃。先生若回答时离开卷页太远,档案员就敲铃提醒:桌上没有的,不要说得像见过;卷页互相冲突的,要先说明冲突。记性好仍有用,但它要被当天找到的材料牵住。 后来问事馆把回答旁边附上卷页编号。客人若追问,先生能指回来源;若卷页过期,档案员也能及时替换。记忆从此不再单独承担全部可信度。

掌柜后来提醒新人:会说不等于知道,知道也不等于此刻证据正确。让回答先拿到合适材料,再按材料作答,才适合变化快、责任重的场景。

揭示

这个故事讲的是:检索增强生成

A pattern where a model retrieves relevant external information and uses it as context when generating an answer.

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 河口的一支商队:一个真实运行中的 AI / Agent 业务系统
  • 货签:任务、请求、上下文或需要被处理的信息单元
  • 只按货物重量决定先后:只改表层规则、指标或提示词的天真修补
  • 红绳结:系统里的状态信号、触发条件或可观测线索
  • 年轻学徒的记录:把过程、状态、责任和反馈留下来的工程化做法
  • 把货物价值、路况、交付承诺和风险标记一起纳入调度:围绕 检索增强生成 建立更稳定的工作结构
  • retrieval, embeddings, vector database, grounding:这个概念周围常一起出现的相邻问题

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

retrievalembeddingsvector databasegroundingcontext window

相关辨析

这个概念容易和相邻概念混用,建议继续看对比页。