RAG 从入门到放弃之一：基础知识与选型逻辑RAG 从入门到放弃之一：基础知识与选型逻辑RAG 从入门到放弃之二：从零搭建可运行系统RAG 从入门到放弃之三：多模态 RAG 与部署上线摘要：如果你正在搭建知识库问答、客服机器人，或者想让大模型"学会"你的内部文档，RAG 是你绕不开的技术栈。本文从最基础的概念讲起，把 RAG 的完整工作流程、5 大核心组件的选型逻辑一次性讲透——文本切分用多细、向量模型用哪个、数据库选什么、检索怎么召回、大模型选哪个。读完你就能自己动手搭一个可运行的 RAG 系统。大模型有两个天生的短板：一是知识截止于训练数据的时间点，二是遇到不知道的事情会"编造"答案（幻觉）。RAG（Retrieval-Augmented Generation，检索增强生成）的思路很直接——不给模型凭空发挥的机会。每次用户提问时，先从外部知识库检索相关信息，把这些信息作为上下文注