外观
RAG 的完整流程是什么？
标准回答
RAG 的完整过程分成准备资料和回答问题两条链。准备资料时：读取文档，提取与清洗文本，按结构和语义分块，记录来源、版本和权限等信息，再建立检索索引。使用向量检索时，需要给片段计算 Embedding 并保存向量；使用关键词检索时，则建立相应文本索引。
用户提问后，先确认身份、可访问范围与问题条件；向量检索会把问题转成相容的向量表示，关键词检索则利用词项匹配，也可以合并两路候选。权限与版本约束要在检索链路中正确执行，不能先把无权内容交给模型，再让模型自行决定是否透露。
得到候选片段后，做必要的去重、相关性筛选和 Rerank 重排，再在上下文长度预算内选出最有用的证据。将问题、任务指令、这些片段及来源一起交给模型，让它基于证据生成回答，并按需要提供可核对的引用。资料不足、版本不符或证据冲突时，应明确说明限制。
例如问“型号 A 的 E17 怎么处理”，先找到型号 A、适用固件版本的手册，再用其中的原因和步骤回答。查到型号 B 的同名错误码，不能仅因向量相似就套用。最终还要检查正确证据是否召回、是否进入上下文，以及回答是否忠实使用证据；RAG 不是训练模型，也不保证自动消除幻觉。
关键机制
- 入库：清洗文档 → 按语义与结构分块 → 计算 Embedding → 保存向量及来源、权限、时间等元数据。
- 查询：理解问题 → 关键词 / 向量检索 → 去重与过滤 → 必要时 Rerank 重排 → 选择证据放进上下文。
- 生成：要求回答对应证据并附来源；查不到或证据冲突时明确表达限制，而不是补造事实。
通俗例子
问“设备错误码 E17 怎么处理”，先检索到对应型号和固件版本的手册片段，再生成操作建议。只找到其他型号的 E17，即使文字相似也不应直接套用。
追问与回答
文档已经向量化，为什么回答时还要把原文给模型？
向量主要用于检索候选，它不是直接交给普通文本模型阅读的一份完整文档。检索找到片段后，通常取回对应原文与来源，放进本次上下文，让模型据此回答。模型能看到哪些具体证据，取决于最终送入的片段，而不是数据库里一共有多少向量。
RAG 一定需要 Rerank 和向量数据库吗？
不一定。RAG 的核心是先检索外部信息，再结合信息生成，可以使用关键词、结构化查询、向量或混合方式。Rerank 是提高候选排序质量的一种可选环节；资料少、规则明确时，简单检索也可能足够。是否增加组件，应根据真实召回质量、延迟和维护成本决定。
易混淆点
RAG 不保证没有幻觉；召回不到、权限过滤错误、资料过时或模型忽略证据都可能出错。
参考资料
内容来源
- Android 技术札记 · 原条目
rag