RAG到底是什么？7张图讲明白！
最近经常看到 RAG，但它真没想象中那么难。
一句话理解：让 AI 在回答之前，先从指定资料中找相关内容，再结合这些资料生成答案。
举个例子👇
你问 AI：“公司报销流程怎么走？”
普通大模型可能只给你通用建议；接入公司制度文档的 RAG，则可以先检索报销规定，再根据找到的条款整理步骤。配置得当的话，还能附上原文出处，方便你核对。
📚 它一般怎么工作？
① 整理资料：PDF、Word、产品手册等
② 切分文档：把长内容拆成适合检索的小段
③ 建立索引：常见做法是向量化并存储
④ 检索召回：按问题找到相关内容
⑤ 生成回答：让大模型参考检索结果作答
💡 RAG 能用来做什么？
✅ 企业知识库：让 AI 看懂公司内部文档
✅ 智能客服：根据产品资料回答客户问题
✅ 产品问答：快速查找说明书和技术手册
✅ 学习助手：整理课程、笔记和学习资料
✅ AI 智能体：为 Agent 提供外部知识支持
⚠️ 但有一点一定要注意：
RAG ≠ 绝不胡说！
资料过期、检索没命中、权限没管好，都可能影响最终结果。
重要信息仍然需要核对原文。
其实，RAG 的价值不是让大模型突然变得无所不知，而是让它在回答问题时，有机会参考真正相关的资料。
这组 7 张手绘图，把 RAG 的原理、完整流程、零代码搭建思路和常见避坑点都整理好了。
建议先收藏，后面做 AI 智能体或者企业知识库时很可能用得上。
关注「通识AI」，一起把复杂的 AI 知识学简单！
RAG 人工智能 AI智能体 大模型 AI入门 知识库 AI工具 人工智能