Rag&AI&作用

　　做AI相关开发绕不开RAG，那么为什么需要RAG和RAG能做什么就是首先要弄明白的问题。

　　1、为啥需要RAG

　　其实，这个问题在所有RAG技术中说的都很明白了，简单一句话，大模型的知识有限。尤其是国内的模型。而且在用模型的时候，模型的版本和token消耗，是必须要考虑的问题。模型好推理和知识相对都好，token消耗少，但是单个token费用高；模型差点的推理和知识就相对落后，但是token消耗便宜。所以一般情况下在垂直知识领域，一般选择token便宜的，因为模型的知识基本不能满足需要，必须通过RAG喂给模型，以达到相对较好的效果。

　　2、RAG能做啥

　　rag，相对讲起来是个非常庞大和系统的知识整理过程，简单一句话，就是对问题进行意图理解后，根据意图找到模型回答需要的语料。极端一些，RAG库做好了，直接提供检索服务都是一个很好的应用方向。

　　rag包含的技术，包括知识扩展比如graphRAG，menuRAG和QARAG等；知识匹配，主要向量检索配合传统关键词检索以及图数据库检索等。

　　3、怎么定位AI

　　一句话，辅助和整理。毕竟大模型不能保证完全正确。因为很多作业知识需要很长很有逻辑的上下文。以及专业人员长年累月的经验判断，这个是大模型不能做到的。所以还是定位到辅助上，不要想着替代xxx。