8.1 RAG 为什么能治「幻觉」：检索增强生成核心价值
本节学习目标
- 理解RAG（Retrieval-Augmented Generation）如何通过「先检索、再生成」减少大模型幻觉、提升事实准确性。
- 能说明检索与生成的分工：检索负责「找依据」，生成负责「组织答案」。
- 为 8.2～8.5 的 LlamaIndex 与知识库实战打基础。
一、幻觉从哪来
大模型在训练外或时效性知识上容易编造：没有「依据」仍生成看似正确的句子。纯生成不查证，就无法保证事实正确。
二、RAG 的做法
- 检索：用用户问题（或改写后的 query）在权威数据（文档、知识库）里查相关片段。
- 增强：把检索到的片段与问题一起拼进 prompt，让模型基于这些片段作答。
- 生成：模型输出时有了「依据」，可引用来源、减少胡编；若检索不到，也可明确说「未找到相关信息」。