最近一段时间，我听到两种完全相反的抱怨。

一边是做业务的同事说：

“现在的大模型越来越会说，但不一定说得对，尤其是遇到我们行业里的细节问题。”

另一边是做技术的同事说：

“其实模型的表达能力很强，只是它不知道你们公司内部的规则和最新资料。”

这中间的“断层”，正是今天这一期要聊的主角：

RAG（检索增强生成），以及它和 Prompt 的关系。

简单说，RAG 就是给大模型接上一套「外脑」——让它不再只靠自己“背过的东西”，而是像一个会查资料、会读文档的助理，带着你的知识库一起工作。

---

一、为什么光靠大模型记忆不够用了？

如果把大模型比作一个人，它更像是：

“记过无数书、参加过无数考试，但毕业那天就不再更新知识的学霸。”

它的局限大概有三类：

1. 知识有时间截点

• 训练完成的那一刻之后发生的事，它不知道，
• 法规新修订、行业新标准、公司新政策，对它来说都还是“未来式”。

2. 不了解你的“内部情况”

• 公司的流程、SOP、产品私有文档、历史项目记录，
• 这些都不会出现在公开训练数据里，它当然也没学过。

3. 即使不知道，也会一本正经地回答

• 大模型是“被训练出来要给出答案”的，
• 很少会主动承认“我不知道”，而是倾向于“合理猜测”。

这就导致一个尴尬的现实：

• 让它写一篇职场鸡汤，问题不大；
• 让它回答“新国标”、“最新监管要求”、“公司内部审批细则”，风险就很大。

RAG 想解决的，就是这类「模型知道得不够、但我们手上有材料」的问题。

---

二、用通俗话解释：RAG 到底在干什么？

把 RAG 拆开看，其实就是一句话：

在大模型回答问题之前，先帮它查一遍靠谱的资料。

整个过程可以类比成一个公司里的“实习生 + 图书管理员”组合：

1、你问问题

就像你对实习生说：“帮我看看这份新合同有没有风险。”

2、实习生不会直接“瞎说”

他先去找图书管理员，让对方从公司资料柜里把这些东西找出来：

• 最新的合同范本
• 法务部出的风险提示
• 相关的监管文件摘要

3、拿着资料再给你答案

实习生不会只凭“印象”回答，而是对着这些资料，结合你提的问题，说出一套相对靠谱的分析。

技术上，RAG 大致分三步：

• “切文档”：把长文档拆成一块块“知识片段”（几百字一段），方便检索。
• “找片段”：当你提问时，用向量检索之类的方法，从知识库里找到最相关的几段。
• “带着资料回答”：把这几段资料 + 你的问题，一起塞给大模型，让它基于这些内容组织语言。

注意一个关键点：

真正给出最终答案的，还是大模型；
但它参考的“底稿”，来自你的知识库。

这就是为什么很多人说：

RAG = 大模型的“外脑”。

---

三、Prompt 在 RAG 里，不是配角，而是「指挥官」

很多人一提 RAG，就只想到“向量库”“embedding”“检索算法”，但在实际落地中，Prompt 写得好不好，往往决定了效果是否可用。

在一个典型的 RAG 应用里，Prompt 至少扮演三种角色：

1. 提问重写：帮模型把“问题问清楚”

我们平时的说话方式，经常是模糊的。

例如员工随手在系统里发一句：

“看看这个新规对我们有什么影响？”

如果直接拿这句话去检索，命中率会很差。

更合理的做法是：

由一个专门的 Prompt，把这句自然语言“翻译”成更适合检索的查询：

• 明确领域：是税务？数据？环保？
• 点出关键词：哪部法规？哪条条款？
• 带上时间信息：今年？去年？哪次修订？

这个过程，本质上就是 Prompt 在帮你做「问题澄清」。

很多优秀的 RAG 系统，内部其实有一个专门的“Query Prompt”，负责把用户的随口一问，变成适合搜索引擎理解的问题。

2. 答案约束：告诉模型“只能按资料说话”

RAG 最大的意义在于“有据可依”，

这就要求 Prompt 必须给出清晰的“纪律”：

• 只能基于给定文档回答，
• 文档里没写到的内容，要明确说“资料中未找到”，
• 不能根据常识擅自发挥，更不能编数据。

一个常用的 Prompt 写法是：

“你接下来看到的是若干资料片段，请你只基于这些资料回答问题；如果资料中没有相关信息，请明确说明‘资料中未包含该信息’，不要自行推断。”

简单的一句话，能大幅降低“看起来好像对，其实哪都对不上原文”的风险。

3. 输出编排：把“资料碎片”整理成“可用答案”

检索出来的内容往往是碎片化的，比如：

• 一个文件第 3 页的一段定义；
• 另一个文件第 15 页的一条注意事项；
• 再加上一份内部说明里的特别约定。

如果放任模型自由发挥，很容易变成一大段“抄袭+拼接”，读起来吃力，也很难直接落到执行。

这时候，Prompt 要像编辑一样，规定清楚输出结构，例如：

• 先写 3 行摘要结论；
• 再按「政策要求 / 公司现状 / 风险提示 / 建议行动」分段；
• 每个重点后面注明资料来源（文件名 + 页码或章节）。

这样的输出，才是真正能直接进邮件、进 PPT、进汇报的内容。

---

四、三个真实感很强的使用场景

为了方便你在脑海里“过电影”，下面用三个常见岗位做例子。

场景一：法务——从“盯全文”到“看重点”

你是公司法务，要审一份新的供应商合同。

你手头有：

• 公司统一合同范本（最新版）
• 行业协会最新发布的风险提示
• 这次合作的实际合同文本

过去做法：

从头到尾看一遍合同，再和范本逐条对比，

有时候看三份文件就要好几个小时。

接入 RAG 后，你可以这样设计 Prompt：

“你是一名公司法务专员。你可以访问：

• 公司《采购合同范本》（2025 版）
• 行业协会《供应链合规风险提示》
• 本次合作的实际合同文本

任务：找出本次合同中，相对于公司范本的‘不利变更’和行业常见风险。
要求：

1. 只依据上述三类文档；
2. 每条风险后注明对应文档和条款位置；
3. 按重要程度从高到低排序；
4. 输出为表格：序号 / 风险点描述 / 出处 / 初步建议。”

这时，大模型做的事情就不再是“泛泛而谈”，而是：

真正对照范本和行业指引，

把那些“和我们标准不一样的地方”逐条列出来。

你最后要做的，不是从零审一份合同，而是对着它列出的十条重点，逐条判断是否接受。

场景二：市场/运营——从“翻盘子”到“问结果”

你是一名运营，需要做一份“近半年活动效果复盘”。

你手头有：

• 活动投放数据导出的 CSV 表
• CRM 系统里导出的用户留存数据
• 之前类似活动的复盘文档

你给系统的 Prompt 可以是：

“你是一名数据敏感的运营。请基于我提供的这三类数据和文档，完成一次活动效果分析：

1. 提取本次活动的关键指标：曝光、点击、转化、留存；
2. 和过去三次同类活动做对比，找出 3 个以上显著差异；
3. 结合历史复盘中的经验，给出 3 条可以立刻行动的改进建议。
   要求：

• 每一个结论后，都要注明对应的数据来源（文件名 + 指标）；
• 不允许虚构任何数字。”

这里，大模型不是“自己想象活动有多好”，

而是被强制拉回你的真实数据和历史记录上。

你得到的，已经不再是一堆“套话式总结”，

而是一份“带出处的分析框架”，可以直接拿来和团队讨论。

场景三：培训/知识管理——从“问谁都不太清楚”到“有据可查”

你是 HRD，要为公司中层做一门“新管理流程”培训。

资料来源包括：

• 公司最新管理手册 PDF
• 去年高层对管理要求的讲话整理
• 各部门交上来的实际执行细则

你可以这样用 RAG：

“你是一名内部培训讲师。请基于以下文档，整理一份《新管理流程中，中层必须清楚的 10 件事》。
要求：

• 必须全部来自公司内部文档，不引用任何外部观点；
• 每一条都用 2～3 句话解释‘是什么’和‘为什么’；
• 适合在 PPT 中以一页一条的方式展示。”

这样的结果，不仅节省了你翻资料的时间，也让培训内容和公司实际保持一致。

---

五、如果你想自己搭一个“小型 RAG”，可以这么开始

很多人一听“知识库”“向量检索”，下意识就退缩了。

实际上，从 0 到 1 的门槛已经被工具压得很低，你可以按这样的节奏来：

第一步：先整理“我最常查的那一摞资料”

不要贪多，先搞清楚：

• 你这半年最常翻的 5–10 份文档是什么？

比如：制度手册、合同模版、销售话术、技术 FAQ、内部培训材料。

把它们集中放进一个文件夹，

最好简单加个命名规则（如“合同_范本_2025.pdf”）。

第二步：选一个“傻瓜式”工具试水

现在有不少平台支持“上传文档 → 直接问”的模式，

你可以先用这些轻量工具熟悉流程：上传 PDF / Word → 提问 → 看效果。

第一轮你不要在意算法多先进，只用一个标准：

“它给出的内容，能不能帮我节省至少一半翻文档的时间？”

如果答案是肯定的，就值得继续打磨 Prompt。

第三步：为自己常用场景写 2–3 个 Prompt 模板

比如你是法务，可以准备这样的模板：

模板 A：合同初审

“你是一名公司法务，只能依据我上传的合同范本和行业指南。请列出本合同与范本不一致的条款，并从甲方角度评价风险程度（高/中/低）。每点后必须附上原文片段。”

模板 B：条款解释

“你是一名法律顾问，只能依据我上传的文档。请用白话解释第 X 条的含义，并举一个贴近日常业务的例子。”

以后每次审新合同，只需要：

• 把文档拖进去，
• 换一下合同名称、条款编号，
• 模板直接复用。

第四步：刻意养成“结果要能对得上原文”的习惯

不要满足于“看起来挺有道理”。

对你非常重要的结论——比如合规、法律、财务类——最好做到：

• 抽样检查：每次挑 2–3 条，让模型给出处，然后你自己打开 PDF 查一眼；
• 做个小记录：错一次，就记下来是哪一类问题，下次优化 Prompt 或调整知识库分块方式。

这样做几轮，你会明显感到：

模型在你自己的资料里“越走越熟”，而不是只会说空话。

---

六、容易掉进去的几个坑

坑 1：以为“文档越多越好”

很多团队一上来就把所有东西全扔进去——

结果是模型经常从一堆过时版本里抓到“旧规定”。

更好的做法是：

• 一次只放一类主题，比如“最新版本的人力制度”；
• 为每个文档加上版本号和生效时间；
• 在 Prompt 中指明“只使用最新版本的文档”。

坑 2：对“知识库”没有权限和分级概念

RAG 一旦接到内部文档，如果没有权限划分，很容易踩雷：

• 某些合同、薪酬体系、内部敏感汇报，不该被所有人搜索到。

这不是 RAG 本身的问题，而是知识管理的问题。

建议至少做到：

• 把文档按部门或项目分库；
• 对“谁能查到什么”心里有数。

坑 3：过度迷信“自动化”，忽视人工判断

RAG 再聪明，也只是：

“帮你更快地找到、整理资料。”

它做不到的是：

• 代替你对风险做最终判断；
• 替你承担决策责任。

特别在法务、财务、合规等场景里，要时刻提醒自己：

AI 可以帮你缩短“看资料”的时间，
但不能替你承担“签字”的后果。

---

七、今天可以立刻开始的三个小练习

如果你愿意把这一期的内容变成具体行动，可以从这三件小事做起：

练习 1：列出你的“个人知识库清单”

拿一张纸（或一页文档），写下：

• 最近半年，你最常翻的 5～10 份文件；
• 这些文件的典型使用场景（比如“审合同时用”“写方案时用”）。

这张清单，就是你未来个人 RAG 的雏形。

练习 2：为一个真实任务写一个 RAG Prompt

选一个你马上要做的任务，比如：

• 审阅一份合同；
• 准备一场培训；
• 写一份行业分析。

根据今天的内容，写出这样一段 Prompt：

• 明确角色（你希望 TA 以谁的身份来分析）；
• 指出可用文档（哪些资料可以被用来回答）；
• 严格限制回答边界（只能基于文档、要给出处）；
• 规定好输出结构（方便你直接用）。

哪怕你现在手边还没有真正的 RAG 系统，这个练习也能显著提升你日后上手的速度。

练习 3：尝试一次“人工 + RAG”的联合审查

选一个你比较熟悉的文档，比如一份你自己写过的制度说明。

先用传统方式快速浏览一遍，再让一个支持文档检索的工具读一遍，问它：

“根据这份文件，总结 3 条最重要的规定，并指出容易被忽略的地方。”

对比 AI 的总结与你的理解：

• 一致的部分说明 RAG 能帮你省时间；
• 不一致的部分，恰好提醒你：哪些地方在原文表述上还不够清晰。

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】