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
- 摄取： 你的文本文档被切分成小块（chunk）。
- 嵌入： 每个文本块被转换成一个向量（一串数字），代表其含义。
- 检索： 当你提问时，系统会找出最相似的文本块。
- 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）。
下一步
本页解释什么是 RAG。若要在你自己的文件上使用它：操作指南 Chat with your PDFs privately（英文）用现成应用完成设置，无需代码；完整的本地 RAG 流程 则教你用 Python 自己搭建同样的系统。