2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 RAG (Retrieval-Augmented Generation) 是一種自然語言處理模型， 它結合了檢索（retrieval）和生成（generation）的技術。

 

2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 RAG (Retrieval-Augmented Generation) 是一種自然語言處理模型， 它結合了檢索（retrieval）和生成（generation）的技術。

 

RAG 的原理與進行方式是什麼？可以解決什麼困難？

RAG (Retrieval-Augmented Generation) 的基本結構

包括一個生成器（generator）和一個檢索器（retriever）。

生成器   負責生成文本，而

檢索器   則用來   檢索與生成   相關  的  外部知識。

檢索（Retrieval）： 

在這一階段，RAG 模型使用檢索模型，

通常是一個   檢索式記憶體網絡（Retriever），

從龐大的資料庫  中   檢索相關訊息。

這個模組  能夠根據  輸入的  提示 或  查詢，

從  文本資料庫   中找到    相關的資訊片段。

檢索模組的目標是

確保   提取的資訊  與  輸入文本    有高度的 相關性 和 完整性。

生成（Generation）： 

獲取到  的  檢索資訊  接著被傳遞到生成模組中，

通常是一個語言生成模型（如 GPT，BERT 等）。

生成模組    利用這些檢索到的資訊，

以  更有   邏輯 和 意義  的方式    生成  回答、文章或其他形式的內容。

這讓模型能夠  更好地理解   檢索到的   上下文資訊  並生成  更精確的回應。

整合和調整（Integration and Adjustment）： 

檢索到的  資訊片段  會與   生成模型中的內部資訊   相互結合，

以產生  最終的輸出。

這個過程可能包括   整合檢索到的訊息 以及  根據 生成模型的內部機制   進行調整，

以  確保  生成的內容   具有   合適的邏輯  和  完整性。