1.1 RAG 的定义与定位

这部分会先帮你建立对 RAG 的基本认识，回答它是什么、为什么重要，以及它和搜索、知识库问答、微调、Agent 之间到底是什么关系。

这一节最重要的任务，不是先讲实现细节，而是先帮你把几个最容易混淆的概念拆开：

• RAG 到底是不是一种“模型能力”
• 它和搜索、知识库问答、微调分别处在什么层级
• 它真正擅长解决什么问题
• 它不擅长解决什么问题

如果这一层边界没有建立起来，后面学习数据处理、切块、检索、重排时就很容易一直带着错的预期。

这一节会回答什么问题

• RAG 是什么？
• RAG 和传统搜索、微调分别是什么关系？
• 为什么大模型应用里经常需要 RAG？
• 哪些场景适合用 RAG，哪些场景不适合？
• RAG、知识库问答、搜索、Agent 的边界分别是什么？

学完这一节后，你应该建立的几个判断

• RAG 不是“让模型变聪明”的魔法，而是让模型更容易用到外部知识
• RAG 不是所有问题的默认答案，它只适合那些真正依赖外部资料的问题
• 搜索、知识库问答、RAG、Agent 经常一起出现，但并不是同一个概念

当这些判断先建立起来，后面你再看系统组成和常见误解，会更容易抓住重点。