AI 应用技术全景图 · 第4篇 / 共16篇大家好，我是程序猿Joe。去年给公司做内部知识问答机器人，上线第三天就翻车了。同事在群里问「差旅报销上限多少」，模型答得特别笃定：一般为每天 800 元。行政的同事下午就找过来了。我们制度写的是一线城市 650。那 800 是哪来的？模型编的。它没有撒谎的动机，它只是在接词：从海量语料里，「差旅报销上限」后面接「800 元」的概率最高，仅此而已。那天晚上我把日志翻了一遍，越看越觉得这事怪不到模型头上。我让一个只会接龙的东西去回答它压根没见过的事，它除了编还能干嘛。它缺的不是脑子，是一本能翻的参考书。这就是 RAG 干的活。这篇我把它从原理到落地讲一遍，包括那些踩过才知道疼的地方。先说清楚，它补的是哪块短板大模型有几个天生治不好的毛病。短板具体表现RAG 怎么补知识有截止日期问它上周发的新政策，它压根不知道检索最新文档不知道私有数据你司的制度、代码 模型一本正经地胡说八道？我用 RAG 给它配了本「开卷考试参考书」
AI 应用技术全景图 · 第4篇 / 共16篇大家好，我是程序猿Joe。去年给公司做内部知识问答机器人，上线第三天就翻车了。同事在群里问「差旅报销上限多少」，模型答得特别笃定：一般为每天 800 元。行政的同事下午就找过来了。我们制度写的是一线城市 650。那 800 是哪来的？模型编的。它没有撒谎的动机，它只是在接词：从海量语料里，「差旅报销上限」后面接「800 元」的概率最高，仅此而已。那天晚上我把日志翻了一遍，越看越觉得这事怪不到模型头上。我让一个只会接龙的东西去回答它压根没见过的事，它除了编还能干嘛。它缺的不是脑子，是一本能翻的参考书。这就是 RAG 干的活。这篇我把它从原理到落地讲一遍，包括那些踩过才知道疼的地方。先说清楚，它补的是哪块短板大模型有几个天生治不好的毛病。短板具体表现RAG 怎么补知识有截止日期问它上周发的新政策，它压根不知道检索最新文档不知道私有数据你司的制度、代码