全程：Retrival Augmented Generation，检索增强生成。
作用主要是：从资料库中检索内容，然后基于这些内容生成答案。
解决问题：无法读取全部，上下文有限。

• 分片：字数，内容，段落，章节之类的。切分成多份
• 索引：
  • 通过Embedding把片段转换为文本向量
    • Embedding模型，做专门的向量转化
      • 向量数据库：Embedding后向量存储在这里，便于后续查找
    • 将片段文本和片段向量存入数据库模型
• 召回：
  • 根据相似度查询，寻找最相关的片段（余弦，欧氏距离，点积）
• 重排：
  • 从召回结果中，选择更合适的一些去选择
    • cross-encoder方法，准确度高但是耗时比较大
• 生成：
  • 把内容和片段发给大模型