# RAG（检索增强）解决方案

> 全部文档的索引见 [llms.txt](https://ark.volcengine.com/llms.txt)；在任一文档页面地址后追加 `.md` 可获取该页的 Markdown 版本。

**一、检索增强生成（Retrieval Augmented Generation，简称 RAG）是一种先进的自然语言处理技术，旨在进一步提升大语言模型的输出质量和可靠性。该技术通过整合信息检索功能，将用户查询与向量数据库进行精准匹配，从而为用户提供了更加准确和可信的答案，有效减轻了大型模型在生成回答时可能出现的“幻觉”现象**。
**二、以下是一些RAG常见的场景**：
**需要大量背景知识的任务**：当生成的文本需要依赖大量的背景知识或数据时，RAG可以通过检索相关信息来辅助生成过程。
**复杂查询的回答**：对于需要从大量数据中提取特定信息的复杂查询，RAG可以检索最相关的文档，并生成准确的回答。
**实时信息检索**：在需要根据最新数据快速生成回答的场景中，RAG可以结合实时检索的信息和生成模型来提供最新的回答。
**多轮对话系统**：在聊天机器人或虚拟助手中，RAG可以帮助系统根据对话历史和上下文检索相关信息，并生成合适的回复。
**长形式内容生成**：当需要生成长篇内容，如文章、报告或故事时，RAG可以从大量数据中检索相关信息来辅助内容的生成。
**事实核查和数据验证**：RAG可以用于生成准确无误的信息，通过检索可靠的数据源来支持生成的内容。
**个性化内容生成**：在需要根据用户的历史行为或偏好生成个性化内容时，RAG可以检索用户相关的信息，以生成更符合用户需求的内容。
**跨语言翻译和生成**：RAG可以用于生成特定语言的文本，通过检索和利用跨语言的数据来提高翻译的准确性和自然性。
**教育和培训**：在自动生成教育材料或提供个性化学习建议时，RAG可以检索相关的教育资源并生成定制化的内容。
**企业知识管理**：在企业环境中，RAG可以帮助员工快速找到所需的信息，通过检索企业内部的知识库并生成有用的回答。
**法律咨询**：RAG可以用于提供法律咨询，通过检索相关的法律条文和案例来生成法律建议
三、**下图显示了RAG与LLM配合的流程图**：

![](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_8d1490c2754334829e942183c80c1f8c.png)

**四、我们的优势**：
* **提供毫秒级百亿规模的高性能检索，秒级流式知识库索引更新**
* **内嵌豆包向量化模型，是由字节跳动自主研发的语义向量化模型，是LLM知识库解决方案的配套工具，支持中、英双语**
* **支持向量数据实时写入、实时更新，支持实时索引、自动索引**
* **存算分离架构，单数据多场景，节约计算资源，提高在线稳定性，保证高可用性**

**五、推荐产品**：
* **向量数据库（Viking** **DB）**： [https://console.volcengine.com/vikingdb](https://console.volcengine.com/vikingdb)
* **豆包大模型可根据实际业务场景选择**：

    **Doubao 系列**：https://ark.volcengine.com/region:cn-beijing/model?projectName=undefined&vendor=Bytedance&view=LIST_VIEW

**六、典型案例介绍**：
某保险客户为提高客服人效和对话体验，将原有人工客服升级为AI客服。在项目中，多轮对话记忆、问题分散且泛的问题在传统客服功能中难以实现，对话体验不够自然真实，RAG、角色设定等能力，大大提升了客服的用户体验，帮助坐席承接了约30%的咨询问题，提效显著。

![](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_9ebf50478c3622749e306dc050f9453d.png)