RAG（检索增强生成）在生成前先从外部知识库检索相关内容注入提示，让模型基于资料回答，解决知识截止、私有知识与幻觉问题。流程分离线建索引和在线查询两阶段。
离线：文档加载与清洗 → 切分成块（chunking）→ 用嵌入模型把每块编码为向量 → 存入向量数据库并建索引。在线：用户查询同样编码为向量 → 近似最近邻检索取 top-k 相关块 →（可选）重排序精排 → 把块与问题拼进提示模板 → LLM 生成带来源的回答。
文档 → 分块 → Embedding → 向量库
问题 → Embedding → 检索 top-k → Rerank → 拼接 Prompt → LLM → 答案+引用
易错点：RAG 不是万能药——检索质量差时注入的上下文反而误导模型；端到端效果取决于每个环节，分块、嵌入模型、提示模板任何一环拉胯都会成为短板。追问方向：RAG 与长上下文模型如何取舍？什么场景该用微调而非 RAG（改变模型行为风格而非注入事实知识）？