选型对比
| 维度 | RAG | 微调 |
|---|---|---|
| 知识更新 | 改索引即可，分钟级生效 | 需重新训练，周期与成本高 |
| 事实溯源 | 可给出原文出处 | 溯源能力弱 |
| 输出风格 | 受提示词控制 | 可稳定塑造格式与语气 |
| 成本结构 | 向量库 + 检索算力 + 生成 | 训练算力 + 数据标注 |
| 典型场景 | 企业知识库问答、客服助手 | 固定格式抽取、领域文风 |
常见组合
常见组合
RAG 提供实时知识 + 微调稳定输出格式（如固定 JSON 字段结构），两者并不冲突。用微调来“背”知识的更新成本高且容易过时；知识型需求先评估 RAG 方案。
本包目录（229 条）
架构与流程30 条
- RAG 检索增强生成总览
- RAG 在线检索链路
- RAG 离线索引链路
- 向量检索与关键词检索的取舍
- LangChain 快速搭建 RAG 链
- RAG 开发框架与平台选型
- LlamaIndex 快速搭建索引与查询引擎
- 查询改写提升检索命中
- RAG 元数据字段设计
- RAG 与微调的选型对比
- 上下文组装与 Token 预算
- RAG 场景的提示注入防护
- RAG 链路逐段调试方法
- Naive / Advanced / Modular RAG 三种范式
- Multi-Query 多路召回合并
- 多租户与权限过滤
- HyDE 假设文档嵌入检索
- 增量索引与文档更新
- 查询分解与多跳检索
- RAG 可观测性与日志追踪
- Agentic RAG 与自适应检索
- 长上下文与 RAG 的配合
- 查询路由分流不同处理链
- 语义缓存降低重复问答开销
- 在线链路延迟预算拆分
- 多轮对话的检索指代消解
- RAG 成本构成与估算方法
- GraphRAG 图谱增强检索
- 低代码 RAG 平台的落地要点
- 文档版本管理与索引重建
RAG 与微调的选型对比
RAG 管外部知识的更新与溯源，微调管输出行为与风格塑造；知识频繁变化优先 RAG，需要固定输出格式或领域语气时可考虑微调，两者可以叠加使用。
易错点
- 数据里已有答案仍选择微调背知识，更新一次就要重训一次
- 忽略两者可组合：先 RAG 上线，按暴露的短板再补微调
数据来源与参考
- Gao et al., Retrieval-Augmented Generation for Large Language Models: A Survey（RAG 与微调对比章节）