返回知识库AI 与提示 · 知识与检索
检索增强生成RAG
RAG 是先从可信资料里取出相关片段,再让模型按片段回答,并带上能回原文的依据;查不到就拒答,不硬编。
先认出这张带脚注的回答,再看依据从哪来
下面就是客服回复。默认先检索再写,脚注能回原文;直接问会编造天数;库是空的就拒答——结果都盖在这张卡上。
审核通过后 1–3 个工作日原路退回 [1]。虚拟商品一经使用不退 [2]。
- [1] 退款政策 §17
- [2] 虚拟商品例外 §3
先检索再写。脚注能点回原文,数字和例外都对得上。原因:检索把政策片段塞进上下文,模型只根据片段写。下一步:改成直接问,看同一张卡会不会编造。
知识点:检索是回答的前置
脚注和拒答已经演过,这里只给命名。
- RAG = 先从可信资料里取出相关片段,再连同问题交给模型写。
- 引用必须能回到标题或段落;没有来源的数字不要发出去。
- 检索为空时拒答并说明缺什么,比编一份听起来真的清单更安全。
- 它减少幻觉,但不保证检索到的就是现行、有权限的正确片段。
什么时候用、怎么用
用户问的是你们自己的政策、手册、工单,而不是通用常识。
- 信号:价格、退款、权限、版本号必须对得上内部文档。
- 适用:先检索 Top 片段,回答末尾列依据;空检索说不知道。
- 不适用:闲聊、翻译、已经在上下文里的短材料——不必绕检索。
- 最短路径:问句 → 检索 → 看命中 → 带引用生成 → 对不上就拒。
正反例:同一句退款问法,只差有没有检索
问题都是「退款什么时候到账」。
用户看到 1–3 个工作日,并能点开原文核对。
听起来很稳,但和现行政策不符,客服会按错口径承诺。
快速自测
用户问「支持哪些支付方式」,检索结果是 0 条。最安全的回复是什么?
继续查证
术语的技术定义和行为以这些一手或权威资料为准。