RAG 是什么

先检索，再生成。把私有文档切块、向量化、召回相关片段，再交给模型回答——减少胡编，回答能对上来源。

流程（记四步就够）

1. 入库：文档切块 → 向量化 → 写入向量库/索引
2. 提问：用户问题同样向量化
3. 召回：找出最相关的若干片段
4. 生成：把片段当上下文，再让模型作答（可要求引用出处）

知识库从哪来

先小后大，先能检索再谈优化。常见来源：

• 简历、面试笔记、项目 README
• 业务文档、Wiki、接口说明
• 会议纪要、规范、FAQ

不必一上来追求「全公司知识库」；一份 Markdown 目录跑通闭环即可。

和 Agent 的关系

• RAG：给模型「可引用的私有知识」
• Agent：模型 + 工具 + 循环，去「做事」

Agent 可以把检索当成一个 Tool，但 RAG 本身不是 Agent。概念入门到此即可；落地见 Agent 应用开发。

选型与场景见 模型选择指南。