检索增强生成RAG架构图

这张检索增强生成（RAG）架构图呈现了 “数据预处理 - 检索增强 - 大模型生成” 的完整流程：首先对原始数据进行拆分，得到多个文本块，再通过 Embedding 技术将文本块转换为向量并存入向量库，完成数据的向量化预处理；当用户提出问题后，问题先经 Prompt 提示词工程优化，再通过 Embedding 实现指令向量化，随后基于向量相似度从向量库中检索匹配的相关结果；最后将检索结果作为上下文提交给大模型，大模型结合该上下文生成精准回答并返回给用户。此架构通过 “检索外部知识 + 大模型生成” 的模式，既提升了回答的准确性，也增强了内容的时效性与相关性。