1，介绍
出自论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》，RAG是权宜之计，通过RAG将问题简单化、精简化、剔除噪声，让LLM更容易理解、生成内容。RAG：检索增强技术=检索+生成（重排）。
1）场景
通过集成外部知识从而减少特定领域LLM幻觉问题，相比微调和强化学习陈本极低。
2，基本原理和架构
RAG系统可以分为检索和生成两个阶段：
1）检索过程
通过检索找到与用户查询密切相关的知识库（KB）内容：
1> 切片（Chunking，切块）
将文档划分为较小的、语义上有意义的片段；文档可以支持多模态（Word、TXT、CSV、Excel、PDF、PPT、Images、Audio/Video等）转换为文本，最终还是对文本进行处理。
太大数据检索准确率下降，太小丢失上下文信息，找到平衡点。分块方式：
- 固定大小分块（Fixed-size chunking）、
- 递归分块（Recursive chunking）、
- 基于文档（Document-based chunking）
文档有一定的格式如html或者带标题、 - 语义分块（Semantic chunking）：
余弦定理。 - LLM分块
除此之外分块之前还会做一些数据清洗已提高RAG的准确率：冗余消除、专有名词、数据增强（同义词近义词翻译库）、用户反馈、过期文档。
2>创建嵌入（Create embeddings）
嵌入模型将每个信息块压缩为向量表示；常用的模型：
- Word2Vec
- Sentence2Vec
- BERT
- GPT系列
3>索引（Indexing）
将嵌入向量存入向量库中（键值对），从而实现高效且可扩展的搜索功能。
查询路由（Query Routing）：根据查询的内容和意图将查询定向到特定流水线的技术，使 RAG 系统能够有效地处理各种场景。
4>相似性搜索（Similarity search，rank）
用户查询也通过相同的向量化过程转换为向量表示；同时去向量库中检索，这样用户查询就可以在相同的维度空间中进行比较。
计算用户查询嵌入与之前存入的文本块嵌入之间的相似性分数，返回相似度最高的几个信息。
2）生成过程
生成过程将检索到的信息与用户查询结合，形成增强的查询，通过prompt（提示模板）组合后传递给LLM查询、润色，以生成丰富上下文的响应。
5>Reranker 模型（重排序）
Reranker 是信息检索系统中的核心组件，用于对初步筛选的候选结果进行重新排序，以提升最终输出的相关性和用户体验。
a）原理
- 特征融合
结合文本 / 内容特征（如关键词匹配）、用户行为特征（如点击率）、上下文特征（如时间、地理位置）等多维度数据。
利用嵌入向量（如用户和物品的 Embedding）计算语义相似度。 - 排序函数
通过机器学习模型（如逻辑回归、树模型、深度学习）学习样本对（Query - 文档对）的排序规则。
常用损失函数：Pairwise Loss（如 RankNet）、Listwise Loss（如 LambdaMART）。 - 反馈机制
结合离线评估（NDCG、MAP）和在线反馈（A/B 测试）优化模型。
b）场景
| 模型类型 | 代表算法 / 模型 | 特点 |
|---|---|---|
| 传统模型 | LambdaMART、RankNet | 基于梯度提升树或神经网络，依赖人工特征工程。 |
| 深度学习模型 | BERT-Pairwise、ESIM | 利用预训练语言模型捕捉复杂语义关系，支持端到端训练。 |
| 交互式模型 | DSSM、双塔模型 | 通过用户与物品的交互行为学习联合嵌入空间，适用于推荐系统。 |
| 多模态模型 | MM-Ranker（文本 + 图像） | 融合多模态特征（如商品图片与描述），提升跨模态场景排序效果。 |
c）常见模型/算法
- 搜索引擎
对搜索结果进行精排，如 Google 的 RankBrain。 - 推荐系统
电商平台（如亚马逊）的商品推荐、社交媒体的内容流排序。 - 广告系统
优化广告与用户查询的匹配度，提升点击率（CTR）和转化率（CVR）。 - 问答系统
对候选答案进行置信度排序，筛选最优解。
3，RAG流水线组件
- 嵌入模型
嵌入用户查询；
提取用户文档md、word、纯文本，通过数据清晰和降噪，转换文档为要素；
文档分块， - 向量数据库
从向量数据库中检索相关文档信息块； - 提示模板
将检索内容填充到LLM提示中； - LLM
答案生成。