什麼是 RAG（檢索增強生成）

RAG（Retrieval-Augmented Generation，檢索增強生成）指大模型先檢索外部文件、再基於檢索結果生成答案的機制。RAG 是模型側流程，不是內容優化方法，但它解釋了為什麼可被檢索與可摘取會直接影響引用。

定義

本站工作定義：RAG 是在生成前引入外部檢索環節，把檢索到的片段作為生成依據的一類方法，通常包含檢索、排序、拼接、生成四步。

對內容方而言，可影響的環節只有兩個：是否進入檢索結果，以及被檢索到的片段是否自包含。模型如何拼接與生成不由內容方控制。

邊界：和什麼容易混

常見誤區

• 把 RAG 當成一種寫作格式。RAG 不要求特定格式，只要求片段可被理解。
• 認為被檢索到就會被引用。檢索命中只是前置條件，答案是否採用該片段由模型決定。
• 忽略段落自包含。切分後語意缺失的段落很難被拼接使用。

依據與核驗

該定義為本站工作定義，標註 L2。機制描述只涵蓋公開可觀測的一般流程，不針對具體模型做能力判斷。

複核週期 180 天。

相關欄目：術語索引、方法索引、指標索引、編輯政策。