教程 8：RAG 入门（与你的文档对话）

作者： Jakub Rusinowski · 最后更新： 2026年7月10日

检索增强生成（RAG）让 LLM 能够基于你自己的私有数据（PDF、笔记、邮件）来回答问题。

本指南内容

• 工作原理
• 为什么使用 RAG？

检索增强生成（RAG）让 LLM 能够基于你自己的私有数据（PDF、笔记、邮件）来回答问题。

工作原理

1. 摄取： 你的文本文档被切分成小块（chunk）。 2. 嵌入： 每个文本块被转换成一个向量（一串数字），代表其含义。 3. 检索： 当你提问时，系统会找出最相似的文本块。 4. 生成： 这些文本块连同你的问题一起被发送给 LLM。

为什么使用 RAG？

• 准确性： 通过让 AI 立足于事实，减少幻觉。
• 隐私： 你的数据保留在本地。
• 上下文： AI 能知道它未曾训练过的信息（例如你的具体项目细节）。

← 所有指南 | 检查 GPU 兼容性