RAG 提示设计：知识增强的对话

什么是 RAG？

RAG (Retrieval-Augmented Generation) 是一种结合检索和生成的技术：

•检索 (Retrieval)：从知识库中找到相关信息
•增强 (Augmented)：将检索结果作为上下文
•生成 (Generation)：AI 基于上下文生成回答

为什么需要 RAG？

大模型有这些局限：

•知识有截止日期
•可能产生幻觉
•无法访问私有数据

RAG 可以解决这些问题！

RAG 提示的基本结构

你是一个专业助手。请基于以下资料回答用户问题。

### 参考资料
{检索到的相关文档}

### 用户问题
{用户的问题}

### 回答要求
- 只使用参考资料中的信息
- 如果资料中没有相关内容，请明确说明
- 引用资料时注明来源

实战示例

客服场景

你是某电商平台的客服助手。

### 产品信息
产品名称：智能手表 Pro
价格：¥1299
功能：心率监测、GPS、防水 50 米
保修：1年
退换政策：7天无理由退换

### 用户问题
这款手表防水吗？可以戴着游泳吗？

### 回答

文档问答场景

基于以下技术文档回答问题：

---
## API 认证
本 API 使用 Bearer Token 认证。
请在请求头中添加：Authorization: Bearer <your-token>
Token 有效期为 24 小时。
---

用户问题：如何进行 API 认证？

请用简洁的步骤说明。

RAG 提示优化技巧

1. 明确信息边界

✅ 如果参考资料中没有相关信息，请回答"根据现有资料无法回答"
❌ 不要编造参考资料中没有的内容

2. 处理冲突信息

如果多个资料信息冲突：
- 优先使用时间更新的资料
- 列出不同来源的观点
- 说明存在分歧

3. 格式化检索结果

[来源1: 产品手册 P.12]
电池续航可达 7 天...

[来源2: FAQ 2024年更新]
新固件将续航提升至 9 天...

常见问题

Q: 检索结果太长怎么办？

A: 对检索结果进行摘要或截断，保留最相关的部分

Q: 检索结果与问题无关？

A: 提示 AI 忽略无关内容，或明确说"无相关信息"

练习

设计一个 RAG 提示词，用于：

基于公司内部知识库回答员工关于请假政策的问题

需要考虑：

•如何展示检索到的政策条款
•如何处理政策更新
•如何处理模糊地带

小结

•RAG = 检索 + 上下文 + 生成
•明确告知 AI 信息来源和可信度
•处理好"不知道"的情况
•格式化检索结果提升理解

下一课我们将学习角色扮演提示。