RAG（检索增强生成）的经典应用场景主要包括以下方面：
旁白：一路千辛万苦，终于要真正了解RAG的全貌了，好激动前面的开胃菜已经完毕，这里我们进入正餐，先上一张图注：这张图引用自：https://mp.weixin.qq.com/s/37tKVQbxenVVBAeMZ334aQ公众号：AI花果山一位RAG大佬，正在编写一系列教程《RAG高效应用指南》这张图将会是我们本章的知识地图，看到这么多的概念，不要慌，我们先整体理解下RAG。自顶向下，RAG的流程分为离线数据处理和在线检索两个过程。我们前面讲到，知识库是RAG的“活字典”，可以让AI随时进行查阅。而离线数据处理的目的就是为了构建出这本“活字典”。经过离线数据后，知识则会按照某种格式以及排列方式存储在知识库中，等待被使用。而在线检索则是我们使用利用知识库+大模型进行查询的过程。在学习一门新知识的时候，是什么与为什么同等重要是什么让你知其然为什么让你知其所以然接下来我们就以RAG最经典的应用场景《构建智能问答客服》来了解RAG所有流程中的What与Why
作者：牛大局原文：[RAG性能提升策略和评估方法（产品视角）](https://iac2rhlh02p.feishu.cn/wiki/WL4Lwx5dyigl4zkZQojc7esQnWf)[heading1]一、前言[content]相信经过一年的知识沉淀，RAG是什么大家都不陌生了。RAG是检索增强生成（Retrieval-Augmented Generation）的缩写，它是一种结合了检索模型和生成模型的技术。其核心目的是通过某种途径把知识告诉给AI大模型，让大模型“知道”我们的私有知识，变得越来越“懂”我们。RAG的核心流程是根据用户提问，从私有知识中检索到“包含答案的内容”，然后把“包含答案的内容”和用户提问一起放到prompt（提示词）中，提交给大模型，此时大模型的回答就会充分考虑到“包含答案的内容”。RAG的最常见应用场景知识问答系统：RAG可以用于构建问答系统，用户提出问题，RAG模型从大规模的文档集合中检索相关的文档，然后生成回答。
●Quotable定义/描述：Quotable指的是值得引用和铭记的音乐风格，通常具有深刻和有意义的特质。典型使用：用于表现值得引用和铭记情感的音乐作品。示例：John Lennon's《Imagine》。关联流派：Rock，Pop，Classic RockR●Radiant定义/描述：Radiant指的是光芒四射和明亮的音乐风格，通常具有耀眼和充满活力的特质。典型使用：用于表现光芒四射和明亮情感的音乐作品。示例：Katy Perry的《Firework》。关联流派：Pop，Dance，Electronic●Radical定义/描述：Radical指的是激进和前卫的音乐风格，通常具有创新和突破的特质。典型使用：用于表现激进和前卫情感的音乐作品。示例：Nirvana的《Smells Like Teen Spirit》。关联流派：Grunge，Rock，Alternative●Radioactive定义/描述：Radioactive指的是强烈和充满能量的音乐风格，通常具有震撼和动感的特质。典型使用：用于表现强烈和充满能量情感的音乐作品。示例：Imagine Dragons的《Radioactive》。关联流派：Rock，Alternative，Electronic●Raging定义/描述：Raging指的是狂怒和激烈的音乐风格，通常具有强烈和狂暴的特质。典型使用：用于表现狂怒和激烈情感的音乐作品。示例：Rage Against the Machine的《Killing in the Name》。关联流派：Rock，Metal，Alternative