检索增强生成
Retrieval-Augmented Generation
学到 会用 就够：能亲手用起来
你可能会说
“我有一批没有公开发表的研究材料，希望 AI 根据这些材料回答，而不是凭常识编写；RAG 在其中做了哪几步？”
RAG 在回答前或回答过程中先检索外部资料，再让生成模型结合找到的内容作答；它把“去哪里找证据”与“怎样组织回答”连起来。
使用 AI
科研里的例子
把获授权的地方报告建库后，问某县某年如何提到产业扶持；系统返回对应段落及来源，再据此写有范围限制的回答。
常见流程先将资料建索引，接到问题后取回相关片段，再把问题与片段一起交给模型。原始 RAG 论文有具体的联合训练结构，今天工程中该词也用于更宽泛的检索加生成方案。检索可能漏掉关键反例，生成也可能误读已找到材料，因此应分别评估查得是否全、读得是否准。更新资料库通常不等于重新训练模型，是否联网也取决于检索来源。
在你的学科里，直接拿去用
从给定文献读取问题与证据
请只依据下面的文献材料回答。 材料：[粘贴原文或附文件；若只有摘要请注明] 我想弄清：[问题] 请列出作者要解释的现象、主要概念、数据与研究单位、研究设计、主要发现及作者写明的局限。区分作者原话、你的释义与尚无法判断的地方。每项给页码或可定位段落，保留关键术语的中文与英文。若没有全文，不把摘要之外的细节补出来。最后提出3个我可以回原文亲自检查的问题。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG02
从中文研究想法形成双语检索式
请把我的中文研究想法转成可测试的中英文检索策略。 想法：[填写] 对象、地区、时期：[填写] 数据库或检索渠道：[填写] 先拆概念块，再为每块给首选中文、首选英文、常用别名及需排除的歧义。给宽、中、窄3组检索式，并解释AND、OR、引号及数据库字段差异。用[我已知的一篇相关文献]作召回检查；没有已知文献则保留待测试。当前若无法访问数据库，只交策略，不声称已经检索或编造结果。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG03
判断
亲手检查一次
用一组已知出处的问题检查检索召回，再核对回答每条主张是否得到片段支持；分别记录漏检、错读和无来源补写。
它做不到的
RAG 不会自动消除幻觉，也不会让不可读文件变成可靠全文；数据库里的错误、旧版和注入内容仍可能进入回答。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Lewis et al. — Retrieval-Augmented Generation2026-11-06 核对
- OpenAI — Retrieval2026-11-06 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。