把文档变成可读取的内容，
再按段落或主题切成片段。
RAG（检索增强生成）先从知识库中查找相关资料，再让 AI 参考这些资料回答问题。
把文档变成可读取的内容，
再按段落或主题切成片段。
给片段建立“意思坐标”，
方便按含义查找相关内容。
把片段、索引及来源关联，
形成可检索的资料库。
明确任务与
需要查找的范围。
结合关键词或语义，
筛选相关资料。
将“问题＋相关片段”
作为参考上下文。
依据片段解释归纳，
并展示对应来源。
教学例子问“袁隆平为何值得敬佩？” → 检索袁隆平拓展材料事迹 → 有依据地解释品质。
资料入库通常不修改模型参数；检索可能遗漏，生成结果仍要核对原文。
常见检索增强生成（RAG）原理示意，不代表 ima 的内部实现。