什么是检索增强生成（Retrieval-Augmented Generation）？

最近在主导一个 AI 检索的项目，需要对检索增强生成（RAG）有所了解，下面是我对检索增强生成（RAG）的一个初浅的了解。

索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。

检索增强生成（RAG）的原理图如下：

graph TB

  subgraph 用户交互
    Start([用户查询]):::user
    End([交互响应]):::user
  end

  subgraph 大语言模型
  end

  subgraph 知识库构建
    SD[(结构化知识库)] --> 向量化知识库 --> VD[(向量知识库)]
  end

  Start ==> 向量化用户查询 ==> 向量检索 ==> 相关知识


  Start ==> 提示词模版
  相关知识 ==> 提示词模版
  提示词模版 == 组合 ==> 模型输入

  模型输入 ==> 大语言模型 ==> 模型输出 ==> End
  相关知识 ==> End

  向量化知识库 o-.-o 大语言模型
  向量化用户查询 o-.-o 大语言模型
  向量检索 o-.-o VD
  相关知识 o-.匹配.-o SD


  classDef user fill:green,color:white