检索增强生成

大模型能流畅作答，却不一定知道你公司最新的差旅报销标准。直接提问时，它可能凭通用知识给出听起来合理却错误的答案。检索增强生成（RAG）让模型在回答前先查外部知识库：文档切分、向量化、语义检索，再把相关片段交给模型生成有依据的回复。但先查资料并不等于自动答对，检索不到、切片拆散例外条款或新旧版本冲突，都可能让回答失真。如何避免这种“看似有依据”的误导？