K0 · 小结与自测

一图回顾

一句话收束：大模型的知识是「闭卷」的——有限、过时、无法溯源。RAG 不改模型，只在作答前多做一步「检索」，把闭卷改成开卷：检索找出相关资料、增强拼进提问、生成照着答并标出处。三个先天缺陷，一招填平。

要点回顾

小节	两行版
K0.1 三个先天缺陷	不知你的私事、记不住最新、会编——病根是知识被固化在参数里；重训/微调又慢又贵还无出处
K0.2 RAG：开卷考试	检索→增强→生成，知识留在外部随查随用；便宜、灵活、可溯源，是企业级 AI 的标配

综合自测

📝 动手自测0/6

1. 下面哪个问题，最适合用 RAG 而不是「直接问大模型」来解决？

2. 大模型的三个先天缺陷（不知私事、记不住最新、会编），它们共同的病根是什么？

3. RAG 流水线里，「增强（Augmented）」这一步具体在做什么？

4. 为什么说 RAG 和「微调模型」不是二选一，而是常常并用？

5. 关于 RAG 的能力边界，哪个说法最准确？

6. 朴素 RAG（Naive RAG）只有「检索-拼接-生成」几行代码，中篇后面各章主要在做什么？

下一章 K1 · 语义检索：把「检索」这一步拆到底——模型怎么「按意思」而不是「按字」找资料。