你是不是听说过AI会“胡说八道”？这叫幻觉，就是模型编造不存在的答案。今天教你用RAG（检索增强生成）来解决这个问题。简单说，RAG让AI在回答前先查资料，就像开卷考试，答案更准确。

准备环境

你需要一台能联网的电脑，以及以下工具：

• Python：编程语言，AI开发的基础。去官网下载最新版，安装时记得勾选“Add Python to PATH”。
• pip：Python的包管理器，安装时已自带。
• 文本编辑器：推荐VS Code或PyCharm。

安装所需库

打开终端（Mac/Linux）或命令提示符（Windows），逐条运行以下命令：

1. pip install langchain —— 安装LangChain，一个帮你快速搭建AI应用的工具包。
2. pip install openai —— 安装OpenAI库，用于调用GPT等模型。
3. pip install chromadb —— 安装Chroma，一个轻量级向量数据库，用来存知识。
4. pip install tiktoken —— 安装分词工具，用于计算文本长度。

常见坑：如果安装慢，用国内镜像，比如在命令后加 -i https://pypi.tuna.tsinghua.edu.cn/simple。

跑通第一个RAG示例

新建一个Python文件，比如rag_demo.py，复制以下代码（需要先申请OpenAI API Key，并设置环境变量OPENAI_API_KEY）：

from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.vectorstores import Chroma
from langchain.text_splitter import CharacterTextSplitter
from langchain.llms import OpenAI
from langchain.chains import RetrievalQA

# 准备知识文档
documents = ["AI是人工智能的缩写。", "RAG可以提升答案准确性。"]
text_splitter = CharacterTextSplitter(chunk_size=100, chunk_overlap=0)
texts = text_splitter.split_documents(documents)

# 创建向量数据库
embeddings = OpenAIEmbeddings()
docsearch = Chroma.from_documents(texts, embeddings)

# 创建问答链
qa = RetrievalQA.from_chain_type(llm=OpenAI(), chain_type="stuff", retriever=docsearch.as_retriever())

# 提问
query = "什么是RAG？"
print(qa.run(query))

运行代码：在终端执行 python rag_demo.py。如果输出关于RAG的解释，就成功了！

下一步可以做什么

• 替换documents里的内容，放入你自己的知识（比如公司手册）。
• 尝试不同模型，比如用ChatOpenAI(temperature=0)让回答更稳定。
• 学习如何从PDF或网页加载文档，参考LangChain文档。