北京
你問語言模型自家產品文檔的問題，它張口就來。沒讀過你的內部API說明，它就自行腦補，回答得信心滿滿、煞有介事，實則編得天花亂墜。這叫幻覺，不是模型傻，是你讓它答了一道沒有復習資料的題。
RAG干的就一件事：別讓模型憑空胡扯。你不是指望它背下文檔，而是在提問時直接把相關頁面遞過去——相當于讓學生開卷考試。本文搭一個.NET 10項目，完全本地跑，不碰云、不用API密鑰、月底零賬單，就能對著產品文檔問個明白。
剝掉縮寫，RAG就是三詞大白話：檢索、增強、生成。最機靈的部分在第一步：怎么找到“相關”片段？不能靠關鍵詞匹配，因為用戶問“怎么登錄”，文檔里寫的是“身份驗證”。倆詞八竿子打不著，意思卻一樣。解法是嵌入——一串數字向量，把文本意思編碼進去。意思相近的文本，向量距離也近，“登錄”和“身份驗證”哪怕字母毫無交集，也能靠幾何關系對上號。
整條流水線就三步。攝入：提前把文檔切成小塊，每塊轉成嵌入，存起來。檢索：每次提問把問題轉成嵌入，找出最接近的文檔塊。增強+生成：把那些塊塞進提示詞，讓模型按材料回答。后兩步每次提問都跑，第一步跑一次就能反復用，除非文檔有更新。
工具選得輕巧。Ollama在你機器上直接跑AI模型，一個負責生成嵌入，一個負責寫答案。SQLite把全部數據鎖進一個文件。sqlite-vec擴展專管向量距離搜索。你的筆記本就這么兼職成了微型AI數據中心，唯一的變化是風扇開始賣力轉。建項目兩行命令：dotnet new console，再拉個 nomic-embed-text 模型，文本就變成768個數字的向量。就這么直白。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
