RAG 系统

概述

RAG（检索增强生成）是结合信息检索与语言生成的 AI 架构模式，通过从外部知识库检索相关上下文来增强模型生成能力。

关键内容

1. Contextual Retrieval 突破：2024 年 9 月 Anthropic 提出的上下文检索方法，通过为文本块添加语境前缀，降低检索失败率 49-67%。这是 RAG 系统的重要演进方向。

2. 检索失败优化：传统 RAG 系统的核心问题是检索上下文不足，Contextual Retrieval 通过增加语境信息显著改善这一问题。

3. 与上下文工程的关系：RAG 是上下文工程的重要组成部分，提供外部知识检索能力，与压缩、记录、子 Agent 等技术共同构成完整的上下文管理框架。

4. 工程实践挑战：RAG 系统的质量取决于检索准确性、上下文相关性和生成一致性，需要持续的评测和优化。

来源

• raw/articles/ai-engineering/anthropic-engineering/claude-engineering/00_INDEX.md — 上下文工程与知识管理章节

相关

• 上下文工程 — extends
• Anthropic — part_of
• Contextual Retrieval — supersedes
• 评测驱动开发 — relates_to