先建立一个直觉
在回答之前，先从已有资料中找到相关内容，再把这些内容交给模型。这是理解 RAG 的一个起点。
检索负责提供参考，生成负责组织回答。两部分需要分别检查，才能知道问题出在哪里。
先检查找到了什么，再判断回答得怎么样。
一次检索，经历了什么？
从用户提出问题，到最终生成回答，通常会经历下面的步骤：
图 01 · 从问题到参考资料
这四步看起来很短，但每一步都会影响结果。用户的问题决定检索方向；检索器决定哪些资料能进入上下文；最后，模型只能根据拿到的片段来组织答案。
用最小例子拆开流程
下面用一个最小的伪代码例子，展示检索增强生成的基本流程：
Python · 示例代码
question = "什么是向量检索？"
passages = retriever.search(question, top_k=3)
context = "\n".join(passages)
answer = generate(question, context)先观察返回的片段是否相关，再继续调整后面的回答。如果片段本身答非所问，生成阶段再聪明，也很难得到可靠答案。
把检索结果单独打印出来，是排查问题最简单的一步。它能帮助我们判断问题来自资料、切分、召回，还是最后的组织方式。