RAG

RAG（Retrieval-Augmented Generation，检索增强生成）：在模型回答前，先从外部知识库（文档/代码/数据库/网页等）里检索出最相关的片段，把这些片段作为“证据”塞进上下文，再让模型生成答案。

解决什么问题

• 让回答更贴近你的私有资料/项目事实，减少幻觉
• 让模型能“引用证据”而不是凭空编

最常见的组件

• Chunking：把长文档/代码切片
• Embedding：把切片向量化
• Top-K 检索：按相关性取最相关的 K 段
• Prompt 拼装：把检索结果放进结构化上下文块里