很多朋友听说 AI 很厉害，但自己上手时却常常遇到一个问题：AI 模型虽然聪明，但它不知道你的私有数据。比如你问它公司内部文档里的信息，它可能胡乱编造。这就是所谓的“幻觉”。为了解决这个问题，出现了一个重要的技术——RAG（检索增强生成）。简单说，就是让 AI 在回答问题前，先去你指定的资料库里查一下，再结合查到的内容生成答案。这样答案更准确，也不容易胡说。

准备环境

在开始之前，你需要准备以下工具：

• Python 3.8 或更高版本：Python 是一种编程语言，很多 AI 工具都用它来编写。你可以去 python.org 下载安装。安装时记得勾选“Add Python to PATH”。
• pip：Python 的包管理工具，用来安装第三方库。一般安装 Python 时会自带。
• 一个代码编辑器：比如 VS Code（免费），用来写代码。

安装步骤

1. 安装 LangChain 库：LangChain 是一个帮你搭建 RAG 系统的工具包。打开终端（Windows 是命令提示符，Mac 是终端），输入命令：pip install langchain。
2. 安装文档加载和向量存储工具：我们需要把文档变成 AI 能理解的格式。继续在终端输入：pip install langchain-community chromadb。其中 ChromaDB 是一个向量数据库，用来存储和检索文档内容。
3. 安装 OpenAI 的 API 库（可选）：如果你想用 GPT 模型，需要安装：pip install openai。同时你还需要一个 OpenAI 的 API key（可以去官网申请，有免费额度）。
4. 准备一个示例文档：在你的电脑上新建一个文本文件，比如叫 my_knowledge.txt，里面写几句话，比如“公司的名称是 ABC 科技，成立于 2020 年。” 这个文件就是你的知识库。

验证是否成功

写一段简单的 Python 代码来测试 RAG 是否工作：

1. 打开你的代码编辑器，新建一个文件 test_rag.py。
2. 复制以下代码（注意：你需要把 your-api-key 替换成你自己的 OpenAI API key）：

   from langchain.embeddings import OpenAIEmbeddings
   from langchain.vectorstores import Chroma
   from langchain.text_splitter import CharacterTextSplitter
   from langchain.llms import OpenAI
   from langchain.chains import RetrievalQA
   
   # 1. 读取文档
   with open("my_knowledge.txt") as f:
       text = f.read()
   
   # 2. 分割文本
   text_splitter = CharacterTextSplitter(chunk_size=100, chunk_overlap=0)
   texts = text_splitter.split_text(text)
   
   # 3. 创建向量存储
   embeddings = OpenAIEmbeddings(openai_api_key="your-api-key")
   docsearch = Chroma.from_texts(texts, embeddings)
   
   # 4. 创建问答链
   qa = RetrievalQA.from_chain_type(llm=OpenAI(openai_api_key="your-api-key"), chain_type="stuff", retriever=docsearch.as_retriever())
   
   # 5. 提问
   query = "公司叫什么名字？"
   print(qa.run(query))

3. 在终端运行：python test_rag.py。如果输出“ABC 科技”，说明 RAG 成功从你的文档中找到了答案。

常见坑：如果提示“ModuleNotFoundError”，说明某个库没装全，回头检查 pip install 步骤。如果 API key 报错，检查 key 是否正确，或者是否设置了环境变量。

下一步可以做什么

现在你已经跑通了第一个 RAG 示例！接下来可以：

• 替换成你自己的文档（比如 PDF、网页内容），用 Unstructured 库加载更多格式。
• 换成其他模型，比如本地的 Llama 2，避免依赖外部 API。
• 尝试调整检索参数，让答案更精准。

RAG 是现代 AI 应用的核心技能，掌握它，你就能构建更可靠的智能系统。