这篇解决什么

RAG 解决的是「模型没读过你的文档」。它不是一个模型名，而是一条链路：Query 预处理、向量检索、多路召回、Rerank 精排、Prompt 拼装、带引用的生成。Embedding、Rerank、LLM 各管一段，不要混成一个「大模型」。

入库侧是收集、切片、向量化、写入索引；提问侧是改写查询、召回候选、重排、拼上下文、生成并溯源。缺任何一段，后面的幻觉和评估都会失真。

先抓住这三点

  • 先画链路再选框架。平台（如 RAGFlow）适合要快速上线知识库的团队；自研适合解析、权限或召回策略是核心竞争力的团队。
  • 评估要拆成检索层和生成层。检索差时调 chunk 和召回；生成胡编时调 Prompt、拒答和引用核查。
  • 文档会变。没有文档 ID / chunk ID 和更新策略，知识库会在一周内脏掉。

阅读顺序

下一篇看分块，再看检索，然后是幻觉、评估、动态更新、向量库和扫描件解析。产品定位对照已发布的 RAGFlow 一文。