RAG和微调的应用场景

• 通用大模型（LLMs）拥有强大的基础能力，但 缺乏针对特定业务场景的深度知识和技能。
• 为了构建真正有价值的 AI 应用，我们必须为其 注入特定领域的专业知识、实时数据或独特风 格。
• 实践中，两条核心路径浮出水面：检索增强生 成（RAG）和模型微调（Fine-tuning）。
• 问题来了：什么场景用 RAG，什么场景用微 调？何时两者结合？正确的选择是项目成功的 关键。

RAG

微调

方法一：检索增强生成（RAG）

外部知识库

LLM

核心机制：RAG 在响应用户请求时， 实时地从外部知识源（如数据库、 API、文档库）中检索相关信息。

知识整合：它将检索到的信息作为上 下文，与用户问题一同提供给大模型， 从而生成更准确、更具事实性的回 答。

本质：模型的“大脑”本身没有改变。 知识是外挂的、动态的，即用即查。

回复

问题