什么是检索增强生成（RAG）？
检索增强生成（RAG）是一种基于一组文档作答的方式：系统先找出与问题最相关的段落，再把它们交给模型，让模型据此回答。
这是 AI 能够针对你的文件作答、却不必每条消息都读完全部文件、也不必用它们重新训练的方法。
工作原理
文档被切分成几百词一段的片段。问题到来时，系统依据词语匹配、语义比较或两者结合为这些片段打分，取最好的几段。这些段落与问题一起进入模型的上下文，通常附带“根据这些内容作答”的指令。
示例
- 就一份合同提问，并得到答案所依据的条款。
- 按笔记内容而不是文件名来搜索笔记文件夹。
- 一个根据产品手册回答问题的客服助手。
局限
- 如果检索漏掉了正确的段落，模型就会在没有它的情况下回答，或依靠常识回答。
- 片段会丢失上下文：一句话可能依赖于一个没有被检索到的页面。
- 它反映的是文档被添加时的样子。
Venta 如何使用
你添加的文档会被切分成片段，每条消息都会与它们匹配。最佳段落会随问题一起发送，回复的步骤中会显示它读了哪些文档。
如果检索你的文档失败，Venta 会在回复开头说明，而不是悄悄依靠常识作答。
大家最先问的问题
- RAG 和用我的数据训练模型是一回事吗？
- 不是。训练会改变模型本身。RAG 保持模型不变，每次把相关段落交给它。
- RAG 能阻止 AI 编造内容吗？
- 找到正确段落时能减少编造，但不能杜绝。凡是重要的内容，请核对来源。
- Venta 能读取哪些文件？
- 读取你上传的 PDF、Word 文档、电子表格、CSV、HTML 和文本文件。