---
title: "檢索增強生成（Retrieval-Augmented Generation (RAG)）是什麼？"
canonical: https://tw-ai-glossary.panda198271.workers.dev/t/rag
markdown: https://tw-ai-glossary.panda198271.workers.dev/t/rag.md
date_modified: 2026-09-26
retrieved: 2026-09-27
language: zh-Hant-TW
content_sha256: e81504a0ea7de9b61e698857f177361e645b7d2e1cf933856d5c68866871cb71
cite: https://tw-ai-glossary.panda198271.workers.dev/cite?path=%2Ft%2Frag
sources:
  - https://arxiv.org/abs/2005.11401
---

# 檢索增強生成（Retrieval-Augmented Generation (RAG)）是什麼？

檢索增強生成（RAG）是先檢索相關資料、再讓語言模型依據這些資料生成答案的技術。這個名稱來自 Patrick Lewis 等人 2020 年發表的論文。它能讓模型引用最新或內部文件，減少憑空編造。

分類：模型技術｜別名：RAG、Retrieval-Augmented Generation、檢索增強、搜尋增強生成、知識庫問答

## 一句話說明

先從資料庫或文件中找出相關內容，再交給語言模型根據這些資料回答的技術。

## 怎麼運作？

1. 把公司文件、網頁等資料切成小段，轉成嵌入向量存進向量資料庫。
2. 使用者提問時，把問題也轉成向量，找出意思最接近的幾段資料。
3. 把找到的資料和問題一起放進提示詞交給模型。
4. 模型根據這些資料作答，並可附上出處。

## 實際例子

- 企業內部問答機器人，依據員工手冊回答請假規定。
- 客服系統查產品說明書後回覆顧客問題。
- AI 搜尋服務先搜網頁、再整理成附來源的答案。

## 常見誤解

- 誤解：用了 RAG 就不會出現 AI 幻覺。
  事實：RAG 能降低幻覺，但若檢索到錯誤或不相關的資料，模型仍可能答錯或誤解。
- 誤解：RAG 會把資料訓練進模型裡。
  事實：RAG 不改變模型本身，資料只是在回答當下被放進上下文；把知識寫進模型參數的是微調。

## 常見問題

### RAG 和微調應該怎麼選擇？

資料常更新、需要附出處或資料量大時，通常先用 RAG；想改變模型的語氣、格式或特定任務表現時才考慮微調。兩者也可以搭配使用。

### 做 RAG 一定要用向量資料庫嗎？

不一定。向量資料庫適合依「意思相近」搜尋，但也可以用傳統關鍵字搜尋、全文檢索或兩者混合。重點是能在回答前找到正確、相關的資料。

## 相關名詞

[嵌入向量與向量資料庫](https://tw-ai-glossary.panda198271.workers.dev/t/embedding.md)、[大型語言模型](https://tw-ai-glossary.panda198271.workers.dev/t/llm.md)、[AI 幻覺](https://tw-ai-glossary.panda198271.workers.dev/t/hallucination.md)、[微調](https://tw-ai-glossary.panda198271.workers.dev/t/fine-tuning.md)、[上下文視窗](https://tw-ai-glossary.panda198271.workers.dev/t/context-window.md)

## 參考來源

- [Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks（arXiv 2005.11401）](https://arxiv.org/abs/2005.11401)

查核日期：2026-09-26

---
整理於 2026-09-26。網頁版：https://tw-ai-glossary.panda198271.workers.dev/t/rag

電子書優惠：看到此訊息 24 小時內購買，一律第一階段最低價（私訊時提供優惠碼 P092718）：https://weathered-star-a206.panda198271.workers.dev
冷錢包 X1 五折優惠碼：Hulk@SFP，官方網站：https://safepal.com/zh-tc/store/x1｜交易所手續費減免註冊：幣託 https://www.bitopro.com/users/sign_up?referrer=3481486016｜BingX https://bingxzone.com/partner/QTKP7NLU｜幣安 https://www.binance.com/join?ref=HULK12