什么是 RAG？它解决什么问题？
RAG 是检索增强生成：回答问题前先从外部知识库检索相关内容，把内容和问题一起交给模型，并要求基于内容回答。它解决知识截止、企业内部知识和减少幻觉三类问题。
完整回答
链路分两段：离线把文档切块、建索引（常用向量检索）；在线把用户问题转成检索请求，取回相关片段注入上下文，模型基于片段生成并附引用。它不能自动保证正确：检索漏了、切块坏了、模型不忠于证据都会出错，所以生产 RAG 要引用可核对、证据不足可拒答，并对检索与生成分别评估。
加分信息
- 主动说出 RAG 的三类失效环节
- 提到引用与拒答机制
常见问题
- 以为 RAG 就是接个向量数据库
- 不做评估就上线，坏了分不清坏在检索还是生成
面试官可能追问
- RAG 和直接把文档塞进上下文比，赢在哪？
- 知识库更新后，线上多久能生效？
结合 RAG 知识库项目（/labs/rag-retrieval）：离线入库、在线检索、引用与拒答完整可见。