编辑 - AI 小白学 RAG 完全指南

取消

# AI 小白学 RAG 完全指南

> 学习日期：2026-06-16

---

## 一、什么是 RAG？

**RAG** = **R**etrieval-**A**ugmented **G**eneration（检索增强生成）

一句话：**让 AI 先查资料，再回答你的问题。**

---

## 二、没有 RAG vs 有 RAG

### 没有 RAG（普通 AI）

```
你：笔记中心有哪些关于 Git 的笔记？

AI 凭记忆回答 → 不知道你笔记中心里具体有什么
→ 回答模糊、可能出错 ❌
```

### 有 RAG

```
你：笔记中心有哪些关于 Git 的笔记？

步骤①：搜索笔记数据库 → 找到《Git 完全指南》
步骤②：把笔记内容 + 你的问题 一起发给 AI
步骤③：AI 读完你的笔记后回答 ✅
→ "你的笔记中心有一篇 Git 入门指南……"
```

---

## 三、RAG 三步走

```
        你的问题
            │
            ▼
   ┌────────────────┐
   │  ① 检索（Retrieval） │  ← 搜索知识库/数据库
   │  找到相关资料    │
   └────────┬───────┘
            │ 找到的文档
            ▼
   ┌────────────────┐
   │  ② 增强（Augmented） │  ← 资料 + 问题 拼在一起
   │  组装成完整提示  │
   └────────┬───────┘
            │ 组装好的提示词
            ▼
   ┌────────────────┐
   │  ③ 生成（Generation）│  ← AI 阅读资料后回答
   │  输出最终答案    │
   └────────────────┘
```

---

## 四、你的笔记中心本身就是一个 RAG 雏形

### 搜索功能 = 检索（Retrieval）

你在笔记中心搜索框输入关键词，系统会：
1. 用 SQLite FTS5 全文搜索引擎扫描所有笔记
2. 找到包含关键词的笔记
3. 把结果列表显示给你

### 如果把搜索 + AI 结合起来

```
你问："笔记中心有哪些关于 Git 的笔记？"

① 检索 → 搜索到第21篇笔记
② 增强 → 把那篇笔记内容 + 你的问题 拼在一起
③ 生成 → AI 读完笔记后回答：
   "你的笔记中心有一篇《AI 小白学 Git 完全指南》，
   包含了 git init/add/commit/status/log/diff 的讲解"
```

这就是 RAG 的核心思想！

---

## 五、为什么需要 RAG？

| 场景 | 没有 RAG | 有 RAG |
|------|---------|--------|
| 问"我的笔记里有啥？" | AI 不知道 ❌ | AI 搜索后回答 ✅ |
| 问"今天金价多少？" | 不知道实时数据 ❌ | 搜最新报告后回答 ✅ |
| 问"我的代码哪里有 bug？" | 只能泛泛而谈 ❌ | 读取你的代码后分析 ✅ |

**RAG 让 AI 能基于你的私人数据、实时数据来回答，而不是只靠训练时的记忆。**

---

## 六、现实中的 RAG 应用

| 产品 | 怎么用 RAG |
|------|-----------|
| 🤖 **Claude / ChatGPT** | 上传文件后问问题 → AI 读文件回答 |
| 🔍 **搜索引擎** | 先搜网页 → AI 总结搜索结果 |
| 🏢 **企业知识库** | 员工问"公司年假政策" → 搜内部文档后回答 |
| 📚 **笔记中心 + AI** | 问"我写过哪些关于 API 的笔记" → 搜笔记后回答 |

---

## 七、一句话总结

> **RAG = 让 AI 先翻书再说话，回答有依据，不会瞎编。**

没有 RAG 的 AI 像**闭卷考试**——全靠记忆。
有 RAG 的 AI 像**开卷考试**——可以翻书，答案更准 📖✅

预览

编辑内容后实时预览...