AI 开发入门之 RAG 技术

如果关注 AI 领域，那么 RAG 这个名词你肯定不陌生，这篇文章，我们就来揭开它的神秘面纱。为什么需要 RAG，它到底是什么，能解决什么问题。

一、从一个简单的问题开始

假设你在和一个 AI 聊天助手对话，你问它：

“北京到上海高铁多久？”

这看起来像个非常简单的问题，但它考验的却是 AI 模型的知识广度和知识时效性。

你希望它能回答类似这样：

“大约 4.5 到 6 小时，具体取决于车次。”

但是，假设这个 AI 模型训练得比较早，它可能回答是——

“我不知道。”

或者：

“我认为北京和上海之间目前没有高铁。”（因为它只看到了 2010 年以前的数据）

这就暴露出一个大语言模型的通病：

训练完就定格了，它不会自己更新知识。

---

二、语言模型“闭卷考试”的困境

所有的大语言模型（如 GPT、Claude、Gemini）在训练时都要读取大量文本，比如：

• 维基百科
• 新闻网站
• Reddit 论坛
• Github 代码
• 开放书籍、论文

训练结束后，它就像一个“背书高手”，记住了大量的知识。但这也意味着一但遇到新知识、实时内容、你私有的数据，它就歇菜了。

所以问题就来了：怎么让模型既有“语言能力”，又能随时“看资料再回答”呢？

这时候就该 RAG 登场了！

---

三、RAG 是什么—LLM 的现实世界“外挂”

RAG，全称是 Retrieval-Augmented Generation，翻译为“检索增强生成”。

通过字面意思也能看出来它的核心作用，通过检索来增强生成（废话）

用通俗话来讲：
它让 AI 在回答之前，先“查资料”，再用大模型来“组织语言”。

就像你考试的时候如果不确定答案，那就翻课本，然后用自己的话组织一段回答。

想象一个真实的场景，比如你在一家 SaaS 公司，客户经常问你：

• “你们的产品怎么绑定企业微信？”
• “有没有 API 文档？”
• “怎么开具发票？”

这些内容，可能都写在：

• 帮助中心文档
• FAQ 文档
• 客服聊天记录
• 内部知识库

而传统的 ChatGPT 模型对这些你们内部的这些专属知识一无所知。

这时候你就可以用 RAG，它的基本流程是：

1. 用户提问
2. 在你的知识库里“检索”相关文档段落（比如找到 API 文档那一段）检索
3. 把这些内容和用户问题一起送进语言模型 增强
4. 生成一个有针对性的、个性化的回答。生成

这样的系统既懂你公司，又能写好回答。

所以 RAG 的核心优势显而易见：

优点	解释
实时更新	你改了文档，模型就能学会新内容，不需要重新训练
私有知识	可以在不暴露给外部模型的前提下使用公司内部数据
可控性强	检索什么，传给模型什么，你可以干预整个过程
更少幻觉	模型参考真实资料后，不容易瞎编

所以，总的来说，大语言模型就像是通用的大脑，RAG 则让它接入你自己的知识，RAG 不是让模型更“聪明”，而是让它更“有见识”。

通过上面的描述，RAG 听起来很简单嘛。

但真正的 RAG 系统背后可是有很多技术细节：

• 文档如何分段（chunking）
• 怎样计算用户问题和文档的“语义相似度”（向量检索）
• 检索出几条内容？怎么拼接 Prompt？
• 模型是否支持多轮记忆和上下文压缩？
• 如何缓存和优化响应速度？

等等，这些都会影响最终效果。

四、RAG 的七步流程

我们已经大致了解了 RAG 的原理，现在我们就从宏观视角来看看 RAG 的全流程是怎么样的。

第一步：加载数据（Load）

RAG 的第一步，就是从你现有的资料中**“把内容读进来”**。比如我们加载一份 FAQ 文档：

import { TextLoader } from "langchain/document_loaders/fs/text";const loader = new TextLoader("docs/faq.txt");
const rawDocs = await loader.load();

输出结果是一个标准格式：

[{pageContent: "退订说明：用户如需退订，请登录控制台，点击账户管理。",metadata: { source: "faq.txt" }},...
]

这就像是把原始文档清洗成结构化文本，供后续使用。

第二步：切分文本（Chunking）

为什么要切分？因为文档太大了，大模型一次吃不下。

我们需要把文档拆成段落级别的小块（chunk），通常每块控制在几百字以内。

切分工具（在 langchain.js 中）：

import { RecursiveCharacterTextSplitter } from "langchain/text_splitter";const splitter = new RecursiveCharacterTextSplitter({chunkSize: 500,chunkOverlap: 50
});
const docs = await splitter.splitDocuments(rawDocs);

第三步：向量化（Embedding）

现在我们已经把文档切分了，但是有一个问题：

计算机如何知道，两个句子意思相近？

比如下面这两个问法：

• “怎么取消订阅？”
• “我不想继续用了，怎么退？”

我们人类一看就知道是同一个意思。可对计算机来说，它只看到一串字符，完全不懂“语义”。

那怎么办？

我们需要给它一种能“看出意思相似”的方式，这就是向量化。

向量化：把句子变成“可以计算距离”的坐标点

你可以把“向量化”想象成这样的过程：

我们给每个句子分配一个“坐标点”，让相近意思的句子靠得近，差很多的句子离得远。

比如：

句子	向量（简化表示）
“怎么退订服务？”	[0.9, 0.1, 0.4]
“不想用了怎么办？”	[0.88, 0.12, 0.45]
“产品价格是多少？”	[0.1, 0.8, 0.9]

你可以把每个向量想象成一个坐标点在三维空间中：

• 第一个句子和第二个句子很靠近（表示意思差不多）
• 第三个句子在远处（表示是完全不同的问题）

于是我们就可以计算两个句子之间的“距离”，这个距离越近，它们的意思就越像。

这就是所谓的**“语义相似度计算”**。

---

向量化模型做了啥？

现在的语言模型已经很强大，它们会从大量语料中学会如何把意思相近的词语、句子放到更接近的坐标位置上。

你只要给它一句话，它就会返回一个长长的向量，比如：

[0.12, -0.03, 0.77, ..., 0.01]  // 长度可能是 1536 维

虽然我们看不懂这个向量长啥样，但这没关系——我们只需要知道：它可以拿来计算“相似度”

---

相似度怎么计算？

最常用的方式就是：

计算两个向量的夹角是否接近（余弦相似度）

可以理解为：

• 两个方向完全一样的箭头，表示“非常相似”
• 两个方向差很多，说明“几乎没关系”

---

总结一下

概念	通俗理解
向量	把一个句子的意思表示成一组数字坐标
向量化	把句子转成向量（embedding 模型来做）
相似度	比较两个向量距离近不近，距离越近意思越相近

所以，向量化的本质就是：把语言变成“可以比较距离的东西”，让计算机能看出语义像不像。

---

第四步：存入向量数据库（Vector Store）

我们把每段文本 + 它的向量都存到一个数据库里，方便后续检索。

可用的数据库有：

• FAISS（本地）
• Pinecone / Weaviate / Chroma（云服务）
• Milvus（工业级）

示例（用 FAISS）：

import { FaissStore } from "langchain/vectorstores/faiss";const store = await FaissStore.fromDocuments(docs, embeddings);

现在，你就有了一个可以按语义相似度查内容的数据库了。

---

第五步：接收用户问题（Query）

终于轮到用户提问了，比如：

“怎么退订你们的服务？”

这个问题会经过同样的向量化过程，再去数据库中查最接近的问题片段。

---

第六步：检索相关文段（Retrieve）

将用户问题的向量丢进数据库，找出前几段最相似的内容（通常是 top-3 或 top-5）：

const results = await store.similaritySearch("怎么退订服务？", 3);

返回类似：

["退订说明：请登录控制台，点击账户管理页面...","退订功能位于控制台左侧菜单栏...",...
]

这就是查资料的部分。

---

第七步：组织 Prompt，交给大模型生成回答（Generate）

最后，我们把：

• 用户问题
• 检索到的文档片段

组织成一个 Prompt，交给 LLM：

const prompt = `
你是一个客服助手，请参考以下内容回答用户问题：资料：
---
1. ${results[0]}
2. ${results[1]}
3. ${results[2]}
---用户提问：
怎么退订服务？请根据资料，用简洁的语言回答：
`;

然后喂给 OpenAI 或其他模型：

const res = await llm.call(prompt);

得到最终回答：

“您好，您可以登录控制台，进入‘账户管理’，点击‘退订管理’即可操作退订。”

至此，一个完整的 RAG 流程就完成了。

当然这只是最简单笼统的流程介绍，具体的每个环节都是很复杂的，比如算法的选取以及参数的调整等等等等…

---

总结

RAG = 查文档 + 用大模型答题，RAG 本质上让 LLM 具备了实时访问企业知识库的能力，既规避了幻觉，又能针对性回答个性化问题。