1. 从一个答错的问题开始

假设公司在今年调整了请假制度：年假可以拆成半天使用，连续请假三天以上需要直属负责人审批。员工把问题交给通用大模型：

模型可能回答得很流畅，但它没有看过公司的最新制度。它只能根据训练时见过的相似内容猜测，答案有时正确，有时会把别的公司规定拼进来。更麻烦的是，语气越肯定，使用者越容易相信。

我们当然可以把整份员工手册放进 Prompt。手册只有两页时，这个办法能用；等资料变成几百份 PDF、产品文档和内部公告后，每次都把全部内容发给模型，不但超过上下文窗口，调用成本和响应时间也会迅速增加。

RAG 要解决的正是这个问题：回答之前，先从外部资料中找到与问题有关的内容，再让模型依据这些内容回答。