RAG 简介 RAG 的全称是 Retrieval-Augmented Generation。 RAG 的核心流程分成两步： 先从知识库中检索和问题最相关的文档片段。 再把这些片段作为上下文交给大模型生成答案。 这样做的好处是： 可以减少模型胡说 可以让回答更贴近上传的资料 可以返回引用来源 在这个项目里，Markdown 文件会先被切分成多个 chunks， 然后写入向量库，提问时再取回最相关的 chunks。