https://h.newzhxu.com/ai/Recent content in Ais on 叶子🍃Hugo -- gohugo.iozh-cnzheng2580369@gmail.com (x)zheng2580369@gmail.com (x)© 2026 xSat, 25 Jul 2026 10:00:00 +0800https://h.newzhxu.com/ai/rag%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90%E5%8E%9F%E7%90%86%E6%95%B0%E6%8D%AE%E5%88%87%E7%89%87%E4%B8%8E%E5%90%91%E9%87%8F%E5%8C%96%E8%AF%A6%E8%A7%A3/Sat, 25 Jul 2026 10:00:00 +0800zheng2580369@gmail.com (x)https://h.newzhxu.com/ai/rag%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90%E5%8E%9F%E7%90%86%E6%95%B0%E6%8D%AE%E5%88%87%E7%89%87%E4%B8%8E%E5%90%91%E9%87%8F%E5%8C%96%E8%AF%A6%E8%A7%A3/<h1 class="relative group">RAG检索增强生成：原理、数据切片与向量化详解 <div id="rag检索增强生成原理数据切片与向量化详解" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#rag%e6%a3%80%e7%b4%a2%e5%a2%9e%e5%bc%ba%e7%94%9f%e6%88%90%e5%8e%9f%e7%90%86%e6%95%b0%e6%8d%ae%e5%88%87%e7%89%87%e4%b8%8e%e5%90%91%e9%87%8f%e5%8c%96%e8%af%a6%e8%a7%a3" aria-label="锚点">#</a> </span> </h1> <p>大语言模型（LLM）虽然拥有海量的通用知识，但它的知识边界止于训练数据的截止日期，也无法访问企业内部文档、私有数据库这类&quot;没见过&quot;的信息。想让模型回答这些问题，通常有两条路：**微调（Fine-tuning）<strong>把新知识&quot;炼&quot;进参数里，或者</strong>RAG（Retrieval-Augmented Generation，检索增强生成）**在回答前先把相关资料&quot;喂&quot;给模型。本文重点讲后者——它的基本原理、数据切片（Chunking）与向量化（Embedding）的具体做法，以及一个经常被混淆的问题：<strong>向量化和大模型训练到底是不是一回事</strong>。</p>