RAG系列01——Naive RAG，你了解这种简单的RAG模型吗？

Hi，我是Hyde，今天的话题是RAG也就是检索增强生成。这是一种用来优化大模型效果的方法。你有没有觉得，现在的大模型虽然很牛，但有时候还是有点“傻”？比如它不知道你公司内部的文档，或者它压根没学过你问的那些冷门知识。这时候，RAG就派上用场了。它就像一个“娱乐”， 给大模型装上了一个“外置硬盘”，让它能查到最新的、最冷门的资料，然后生成更靠谱的答案。今天我们就来聊聊最基础的版本——Naive RAG。

什么是Naive RAG？

简单Naive RAG就是最原始、最基础的RAG模型。它不花哨，不炫技，就是“索引-检索-生成”三步走。 人间清醒。 虽然它简单，但它是所有RAG进化的起点。就像你刚学会走路时的“学步车”，虽然不稳，但能走就行。

Naive RAG的三步走

记住... 1. 索引阶段把文档切块， 然后用Embedding模型把它们变成向量，存到向量数据库里。

2. 检索阶段用户提问题，系统从向量数据库里找最相关的文档块，我天...。

3. 生成阶段把检索到的文档块喂给大模型，让它生成答案。