什麼是檢索增強生成（RAG）？

想像你正在寫一篇文章，需要確保資料正確且是最新的。你不會只憑記憶，對吧？你多半會跑一趟圖書館，或上網搜尋相關來源。檢索增強生成（Retrieval-Augmented Generation，RAG）對 AI 來說，運作方式也很類似。

RAG 簡單來說，就是讓 AI 可以像你使用圖書館或網路一樣，去取用外部的資訊來源。它結合了兩項強大的技術：

• 檢索（Retrieval）： 從外部來源找出相關資訊的過程，例如資料庫、網站，甚至你自己的個人檔案。這就像在圖書館裡找一本特定的書，只不過它不是靠書名，而是用複雜的演算法，找出跟你的查詢有關的資訊。
• 生成（Generation）： 使用 AI 模型產生文字的過程，例如寫一篇文章或產生一段聊天機器人的對話。有了 RAG，AI 就能利用檢索到的資訊，產生更準確、更符合脈絡的回答。

你可以把它想成給了 AI 一項超能力：它不只會產生具創意的文字，還能取用真實世界的資訊，讓回答更可靠、更有見地。

RAG 的運作方式：

1. 查詢（Query）： 你向 AI 提問，或給它一個提示。
2. 檢索（Retrieval）： AI 用檢索演算法，在它的外部知識庫中搜尋相關資訊。
3. 擴充（Augmentation）： 檢索到的資訊，會被加進 AI 對這個主題的理解中，就像替你的文章大綱加上補充筆記。
4. 生成（Generation）： AI 接著用增強後的知識，產生更準確、更相關的回答。

RAG 的好處：

• 準確性： RAG 讓 AI 模型的回答有真實世界資訊當基礎，因此更準確。
• 資訊最新： 它讓 AI 能取用最新的資訊，解決知識過時的問題。
• 符合脈絡： RAG 確保 AI 的回答貼合查詢的具體情境，對使用者更有幫助。
• 可追溯來源： RAG 讓使用者能看到 AI 使用了哪些資訊來源，回答也就更值得信任。

RAG 目前還算是相對新的技術，但它有潛力徹底改變我們與 AI 互動的方式，可能帶來更好用的聊天機器人、更能提供資訊的搜尋引擎，甚至是全新的學習與探索方式。

參考資料

1. NVIDIA Blogs: What is Retrieval-Augmented Generation aka RAG（NVIDIA 部落格：什麼是檢索增強生成，也就是 RAG）
2. AWS: What is RAG? – Retrieval-Augmented Generation AI Explained（AWS：什麼是 RAG？－檢索增強生成 AI 解說）
3. Google Cloud: What Is Retrieval Augmented Generation (RAG)?（Google Cloud：什麼是檢索增強生成（RAG）？）
4. IBM Research Blog: RAG is an AI framework for retrieving facts from an external knowledge base to ground large language models (LLMs) on the most accurate, up-to-date…（IBM 研究部落格：RAG 是一個 AI 框架，從外部知識庫檢索事實，讓大型語言模型（LLM）的回答建立在最準確、最新的資訊上…）

延伸閱讀

• RAG 可以怎麼用來改善客服聊天機器人？
• AI 取用並使用外部資訊，會帶來哪些倫理上的問題？
• RAG 可以怎麼用來替學生打造個人化的教材？
• RAG 有哪些限制？又該怎麼克服？
• 還有哪些新興技術跟 RAG 有關？