AIGC 知识：什么是 RAG? 如何使用 RAG 技术帮助我们制作自己的客户服务功能

RAG 解释及其示例

什么是 RAG？

检索增强生成 (Retrieval Augmented Generation, RAG) 是一种人工智能技术，将 信息检索 与 文本生成 相结合。 以下是它的运作方式：

检索： 1. 您提出一个问题或请求信息摘要。 2. RAG 在庞大的文本数据集中（文档、文章等）搜索相关信息。

增强： 3. RAG 找到相关信息后，不会简单地将其原封不动地呈现出来。 相反，它会分析内容，提取关键点，并将其与您的特定问题或请求关联起来。

生成： 4. 最后，RAG 利用提取的信息和其对语言的理解，生成针对您需求的响应。 这种响应可以是事实性的、信息性的，甚至可以是创造性的，具体取决于情况。

例子：商场停车查找与 RAG

想象一下您要去一个新的商场，想知道停车信息。 您可以使用由 RAG 提供支持的系统，而不是手动搜索：

1. 检索： 您问，“告诉我关于主街上 Westfield 购物中心停车情况的信息。”

2. 增强： RAG 搜索有关该购物中心的在线文档、地图和评论。 它可能会找到以下信息：

   • 停车位数量
   • 不同停车结构及其位置
   • 实时停车可用性（如果可用）
   • 费用和支付选项
   • 残疾车辆的可访问性选项
   • 提及停车难易程度的评论

3. 生成： RAG 不会向您展示所有原始信息，而是生成一个简洁用户友好的响应，例如：

“Westfield 购物中心提供充足的停车位，超过 2,000 个车位分布在三个多层结构中。 没有实时可用性数据，但评论表明周末可能会很忙。 主街结构靠近主要商店，而南入口结构则有无障碍停车位和较低的费用。 记得验证您的停车！”

这个响应不仅仅提供事实，它还会根据您的特定需求（快速找到停车位）来解释它们，并相应地调整信息。

超越停车：RAG 的各种应用

RAG 除了查找停车位之外，还有其他潜在应用。 它可以用于：

• 总结复杂主题： 想象一个人工智能助手，可以检索相关新闻文章和研究论文，然后为您生成简洁的概述。
• 创作内容： RAG 可以分析和学习不同的写作风格，然后生成诗歌、剧本甚至个性化故事。
• 回答开放式问题： RAG 不会仅仅抛出事实，而是可以分析数据和不同视角，提供细致入微且富有洞察力的答案。

虽然 RAG 还处于开发阶段，但它展现了人工智能如何与信息交互并生成不仅信息丰富，而且针对特定需求和请求量身定制的响应的令人兴奋的可能性。