RAG 是让大模型回答问题前先从企业知识库中检索相关内容再生成答案的技术架构，是企业知识问答场景的主流实现方式。
大模型本身不知道你企业的制度、话术与案例。RAG 的做法是：把企业文档切块、向量化存入检索库；用户提问时先检索最相关的内容片段，连同问题一起交给大模型生成回答——让模型「开卷考试」。
RAG 是企业知识库场景的基础架构，也是多数企业 AI 落地的第一站。它的效果上限取决于知识库质量：内容是否完整、结构是否清晰、更新是否及时——这正是 FDE 进场后要先解决的「数据与知识基础」问题，技术选型反而是相对标准化的部分。