检索增强生成（RAG）

检索增强生成（Retrieval-Augmented Generation，RAG）把知识库检索和语言模型生成结合在一起。这个项目会从 wiki/ 中检索整理后的知识片段，也会从 raw/ 中检索简短原文摘要，然后让模型基于这些片段生成带引用的回答。

它解决什么问题#

关键实现选择：

• 用 Git 保存长期可维护的知识资产。
• 从 Markdown 内容构建向量索引。
• 让回答带上可点击引用，避免脱离来源。

在本知识库中的角色#

本仓库把 raw/ 视为不可随意改写的原始资料层，把 wiki/ 视为便于阅读和互链的整理层。RAG 系统回答问题时，应优先使用 wiki/ 页面中的综合解释；当用户需要原始上下文时，再引用 raw/ 片段。

回答界面必须把引用渲染为链接，让读者能从生成结果跳回对应文章页面。

取舍与风险#

RAG 能提升回答的可追溯性，但不能替代资料治理。切分质量差、索引过期、来源记录模糊，仍然会导致回答质量下降。这个项目通过保留 Git 历史、展示 AI 生成提示、让每个 wiki 页面链接回引用来源来降低这些风险。

相关：项目种子摘要。