想象你开了一家“知识餐厅”，客人络绎不绝地点菜——所谓“菜”，是各种信息需求：“地球到月球多远？”“我们公司的报销流程是什么？”“今天股市收盘多少？”。你有三种上菜方式。第一种是自助餐：所有食材都摆在明面上，客人自己翻找、自己取用，看到什么就是什么（传统搜索）。第二种是记忆大厨：不参考任何食材，凭脑中的菜谱直接创作，出菜飞快，但旧菜谱会过时，偶尔还会自信地端上一道根本不存在的菜（纯生成）。第三种是采购主厨：先仔细听需求，去仓库和市场现买新鲜食材，洗切烹饪后上桌，甚至能告诉客人每样食材的产地和发票（RAG，即检索增强生成）。三种方式没有谁绝对最好，只看客人是谁、点什么菜。这篇文章就用这套“餐厅逻辑”，带你把准确性、实时性、成本、可解释性、数据更新这些维度逐个比一遍，最后给你一张实用的选型菜单。

岗位关联

掌握三方案的权衡与混合架构，是搜索系统、问答系统与知识管理平台技术选型的核心决策能力，直接决定产品效果、用户体验与运营成本。

目录
  1. 可视化演示
  2. 三方案原理
  3. 准确性对比
  4. 实时性对比
  5. 成本对比
  6. 可解释性
  7. 数据更新灵活性
  8. 场景选型
  9. 混合架构
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

对比RAG检索增强生成、传统搜索与纯LLM生成三种方案的数据流管道与性能指标差异，展示RAG如何融合检索与生成优势。

本节配有交互动效（进入视口后自动加载，约 3KB）。

RAG融合检索与生成优势 传统搜索：精准检索但缺乏理解，返回文档而非答案 纯生成：流畅回答但幻觉率高，知识截止后无法更新 RAG: 检索提供事实依据，生成整合答案，兼顾准确与流畅 RAG = Retriever(query, corpus) + LLM(query, context) → answer

三方案原理

走进“知识餐厅”，先看三位厨师的工作台。自助餐厨师（传统搜索）把全部食材摆上货架，客人报出关键词，货架按匹配度把相关菜品推到面前，但取多少、怎么吃都靠自己，系统只负责“找给你看”。记忆大厨（纯生成）倚在灶台边，不翻菜谱不买菜，全靠大脑里的配方直接“编”出答案。采购主厨（RAG）则分工明确：先根据点单去仓库检索最新食材，再把食材带回后厨烹饪。三者的差别不在“好不好吃”，而在“食材从哪来”。

从技术上讲，传统搜索的核心是“匹配和返回”：系统对文档建立索引，用户输入 query 后，用倒排索引或向量相似度召回 TopK 条结果，把原文或链接原样返回，不做任何改写。纯生成的核心是“回忆和创作”：大语言模型把知识压缩进参数里，给定问题后直接自回归生成答案，速度快、表达流畅，但知识有截止日期，且可能一本正经地编造。

RAG 把两者拼成一条流水线：Query 先生成向量，到向量索引里召回 TopK 个最相关的文本片段，再把“问题＋片段”一起喂给生成模型，让模型“看着食材做菜”。这意味着答案由真实文档支撑，又保留了生成式表达的流畅度。三者的关系可以看作“检索能力”与“生成能力”的不同配比：纯生成是纯生成，搜索是纯检索，RAG 是“先买菜、再做菜”。

回到餐厅，三条流水线一目了然：自助餐给“原文”、记忆大厨给“印象”、采购主厨给“有出处的定制菜”。真正的选型，就是根据客人需求决定请哪位厨师掌勺。

纯生成:y∼Pθ(y∣q),传统搜索:R=arg⁡max⁡d∈Dsim(q,d),RAG:y∼Pθ(y∣q,R)\text{纯生成}: y \sim P_\theta(y \mid q), \qquad\text{传统搜索}: \mathcal{R} = \mathop{\arg\max}_{d \in \mathcal{D}} \text{sim}(q,d), \qquad\text{RAG}: y \sim P_\theta(y \mid q, \mathcal{R})
三条公式分别对应：记忆大厨只凭问题直接作答；自助餐按相似度从文档库挑出原文；采购主厨先取文档集、再把它作为生成答案的依据。
  1. 纯生成从参数记忆中直接采样：模型只根据问题 q 生成答案 y，没有外部资料参与，答案完全来自训练时学到的“菜谱记忆”，可能新鲜也可能过期。
    y∼Pθ(y∣q)y \sim P_\theta(y \mid q)
  2. 传统搜索从文档库中挑最匹配的原文：在全部文档集合 $\mathcal{D}$ 上用相似度函数 $\text{sim}(q,d)$ 打分，取分数最高的若干文档组成结果集 $\mathcal{R}$，把原文端给用户。
    R=arg⁡max⁡d∈Dsim(q,d)\mathcal{R} = \mathop{\arg\max}_{d \in \mathcal{D}} \text{sim}(q,d)
  3. RAG把检索结果作为生成的条件：生成模型不仅要看问题 q，还要“看着”检索回来的文档集 $\mathcal{R}$ 来组织答案，把外部食材压进烹饪条件里，让每句话有据可依。
    y∼Pθ(y∣q,R)y \sim P_\theta(y \mid q, \mathcal{R})

准确性对比

客人最怕的一件事，是厨师端上一盘卖相极好、但食材根本不存在的菜——AI 圈管这叫“幻觉”。幻觉的本质是“自信地编造”：模型用流畅的语言把不存在的事实说得天衣无缝，外行极难分辨，一旦用于医疗、金融、法务，后果不堪设想。

纯生成完全不查资料，答案全凭参数记忆“顺着话头”往外编，一旦问题超出训练分布或知识过期，就会一本正经地胡说八道。传统搜索只做匹配不做创作，返回的一定是库里真实存在的原文，不会虚构事实，但可能因为文档陈旧或排序不佳而答非所问。RAG 让生成只发生在“相关文档已在眼前”的前提下，幻觉大幅下降；但 RAG 的准确性存在天花板——如果检索阶段没召回关键文档，生成再强也是“无米之炊”，答案照样会偏。

衡量检索质量常用精确率（Precision）和召回率（Recall）：精确率回答“查得准不准”，召回率回答“查得全不全”，两者常常此消彼长。RAG 的检索需要两者兼顾，因此综合指标 F1 更方便做单一评分。

在餐厅里，F1 就是“采购单的命中率”：既要买到新鲜食材，又不能漏买。纯生成压根没有采购单，压力全在记忆大厨一个人的脑力上，幻觉风险自然最高。

F1=2×Precision×RecallPrecision+RecallF_1 = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}
F1 是精确率和召回率的“调和平均”，任何一方偏科都会把总分拉低，适合衡量 RAG 检索“既要准、又要全”的综合表现。
  1. Precision（查准率）检索返回的结果中真正相关的比例，回答“端上桌的菜里，有几道是客人真正要的”。
    Precision=TPTP+FP\text{Precision} = \frac{TP}{TP + FP}
  2. Recall（查全率）库中所有相关结果中被成功找出的比例，回答“客人想吃的菜，有几道被端上来了”。
    Recall=TPTP+FN\text{Recall} = \frac{TP}{TP + FN}
  3. F1 调和平均两个指标打架时取一个居中值，偏科越严重 F1 越低，适合作为检索效果的单一评分标准。
    F1=2×Precision×RecallPrecision+RecallF_1 = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}

实时性对比

客人问“今天收盘的股价”，记忆大厨愣住了——他脑子里的菜谱上个月才“出版”，哪知道今天的行情。所谓实时性，本质是“知识能多快追上现实世界”。

纯生成的知识快照等于训练集截止时间，之后发生的事一律不知道，想更新只能重新训练或微调，周期以周、月计。传统搜索只要爬虫或同步任务把新文档写进索引，新知识立刻可被搜到，最差也只是索引刷新周期（分钟级到天级）。RAG 的实时性同样由索引决定：文档更新后重新切片、向量化、写入向量库，下一次检索就能召回新内容，通常分钟级生效。所以“实时性差”是纯生成的宿命，却是搜索和 RAG 的工程参数。

实时性可以量化成“知识滞后时间”Lag：查询时刻与知识生效时刻之差，越小越新鲜。对纯生成，Lag 近似等于“训练截止日”至今的天数；对搜索和 RAG，Lag 约等于一次索引刷新周期。

菜单上的“今日特价”必须每天换价签——自助餐和采购主厨随时能换食材；记忆大厨只能等新版菜谱出版，这就是纯生成在实时性上先天吃亏的根本原因。

Lag=tquery−tlast_update\text{Lag} = t_{\text{query}} - t_{\text{last\_update}}
滞后量 Lag 衡量答案所用知识有多“旧”：纯生成的 Lag 以天、月计，搜索和 RAG 的 Lag 就是索引刷新的周期，通常远小于纯生成。
  1. Lag（知识滞后量）答案所用知识的陈旧程度，值越大越“过期”，越小越“新鲜”。
    Lag=tquery−tlast_update\text{Lag} = t_{\text{query}} - t_{\text{last\_update}}
  2. t_query（查询时刻）用户提出问题的当前时间，对应客人点菜的这一刻。
    tqueryt_{\text{query}}
  3. t_last_update（知识最后更新时刻）对纯生成是模型训练截止日，对搜索和 RAG 是文档索引的最后刷新时间。
    tlast_updatet_{\text{last\_update}}

成本对比

餐厅最现实的问题永远是账单。客人一多，三位厨师的经营成本结构完全不同：有人贵在“进货”，有人贵在“创作”，有人两头都花钱。

纯生成没有索引和检索，主要成本是生成 token 的推理费，答案越长越贵；好处是架构最简单、出菜链路最短。传统搜索要建索引、存文档、跑检索，但没有生成环节，单位查询成本极低，结果还可缓存复用。RAG 两端都占：要维护文档库和向量索引，检索要算相似度，生成还要按 token 付费，加上向量化和重排的算力，是三套方案里最“奢侈”的。

从全链路拆解，成本由三部分组成：一次性建设的索引成本、每次查询的检索成本、每次查询的生成成本。假设一段时间内查询总量为 n、平均生成长度为 L，总成本可以写成：

类比餐厅：自助餐后厨最省，只需摆菜；记忆大厨省了买菜钱但贵在“创作工时”；采购主厨既要买菜又要烹饪，账单最厚。预算紧张时，优先考虑搜索，或压缩 RAG 的检索范围与输出长度。

Cost=Cindex+n×(Csearch+Cgen×L)\text{Cost} = C_{\text{index}} + n \times \left( C_{\text{search}} + C_{\text{gen}} \times L \right)
成本公式说明：RAG 和搜索要先付“建索引”的固定账单；生成成本随答案长度线性膨胀；查询量越大，检索单价的微小差异越会被放大成真金白银。
  1. C_index（索引建设成本）对文档解析、切片、向量化并写入索引的一次性开销，搜索和 RAG 需要，纯生成是 0。
    CindexC_{\text{index}}
  2. n × (…)（查询次数放大）总成本随调用量线性增长，日活百万的系统里，每查询贵一厘钱都是巨款。
    n×(Csearch+Cgen×L)n \times \left( C_{\text{search}} + C_{\text{gen}} \times L \right)
  3. C_search 与 C_gen × L（检索与生成单价）检索按次计费、生成按 token 计费；答案越长，生成成本的占比越高、越不可控。
    Csearch+Cgen×LC_{\text{search}} + C_{\text{gen}} \times L

可解释性

客人追问一句“凭什么信你？”——三位厨师给出三种回答：“菜单上写着呢”“我记得”“请看采购单和发票”。可解释性，就是答案能不能经得起追问、能不能让用户自己验证。

传统搜索的可解释性最强：结果就是原文本身，用户能逐字核对，证据链完整，错了也是文档的错，系统不背锅。RAG 次之：答案由生成模型产出，但可以携带引用来源（对应召回的文档片段），用户能回溯到具体章节，不过偶尔会出现“引用与内容不符”的瑕疵。纯生成最弱：一切都藏在神经网络的黑盒里，模型自己都说不清依据是什么，出了问题只能“认栽”。

工程上常用“引用覆盖率”来量化可解释性：答案中能被检索片段支撑的句子占比。覆盖率越高，答案越经得起追问，也越便于人工审计和用户信任建设。

采购主厨的菜再好看，付账时也能掏出每样食材的进货单；记忆大厨的菜再香，追问一句就只有沉默。面向金融、医疗、政务等强监管场景，可解释性往往具有一票否决权。

Support=有引用支撑的句子数答案总句子数\text{Support} = \frac{\text{有引用支撑的句子数}}{\text{答案总句子数}}
Support 引用覆盖率像“进货单齐全度”：每句话都有采购发票，客户才敢放心吃。覆盖率越接近 1，答案越可审计。
  1. 分子（有引用支撑的句子数）答案中每一句话都能在检索文档里找到对应出处的数量，对应“能拿出进货单的食材”。
    有引用支撑的句子数\text{有引用支撑的句子数}
  2. 分母（答案总句子数）生成答案的全部句子数量，对应整道菜用到的所有食材。
    答案总句子数\text{答案总句子数}
  3. 比率（引用覆盖率）越接近 1 越可审计，越接近 0 越像“空口无凭”；强监管场景通常要求逼近 1。
    Support∈[0,1]\text{Support} \in [0, 1]

数据更新灵活性

餐厅要换季更新菜单：加一道新菜、撤掉一道下架菜、标注某食材的过敏源——哪种厨师改起来最快？数据更新灵活性，说的是“知识体系换血”的成本与速度。

纯生成的知识和参数绑定，新增知识要重新训练或微调，一次动辄数周时间和高额算力账单；删除某条知识更麻烦，模型训练完就“忘不掉”，无法精确抹去单个事实。传统搜索改文档、触发重建索引即可，删除即时生效，还能用权限控制谁搜得到什么。RAG 更是“换汤不换药”的典范：知识全部外置在文档库里，新增等于加文档并刷新索引，删除等于移除文档，权限等于检索前的过滤条件。

RAG 的更新链路是：解析新文档 → 切块 → 向量化 → 写入向量索引 → 缓存失效。链条虽长但每一环都是自动化流水线，分钟级就能让新知识生效；而纯生成的更新链路只有一条——重训加对齐，成本差距是几个数量级。

自助餐换菜只需换标签，采购主厨换菜只需换货源，而记忆大厨换菜要把整本菜谱重背一遍——如果你的业务文档每周都在变，RAG 几乎是唯一现实的选择。

T更新RAG=T解析+T切片+T向量化+T索引≪T更新纯生成=T训练+T对齐T_{\text{更新}}^{\text{RAG}} = T_{\text{解析}} + T_{\text{切片}} + T_{\text{向量化}} + T_{\text{索引}} \quad \ll \quad T_{\text{更新}}^{\text{纯生成}} = T_{\text{训练}} + T_{\text{对齐}}
公式对比了“换食材”和“重背菜谱”的时间差距：RAG 的更新是增量流水线，纯生成是推倒重来的重训，两者相差几个数量级。
  1. RAG 更新链路（增量流水线）解析、切片、向量化、写索引四步都只针对新增或变更的少量文档，边际成本极低。
    T解析+T切片+T向量化+T索引T_{\text{解析}} + T_{\text{切片}} + T_{\text{向量化}} + T_{\text{索引}}
  2. 纯生成更新链路（全量重训）训练加对齐等于把整本“菜谱”重背一遍，耗时耗钱，还伴随模型退化风险。
    T训练+T对齐T_{\text{训练}} + T_{\text{对齐}}
  3. 远小于符号 ≪强调两种方案在“知识换血”上的数量级差距，RAG 分钟级、纯生成周月级。
    TRAG≪T纯生成T^{\text{RAG}} \ll T^{\text{纯生成}}

场景选型

选厨师要看客人：证据党、赶时间党、还是猎奇党？工程选型也一样，先问清场景最看重什么，再决定方案。没有任何方案在所有维度上全胜，只有“最合适”。

归纳出四类典型场景。高频客服问答与企业知识库：答案要准、要能溯源，首选 RAG。合规审查、原文取证、日志检索：不容许任何改写，只能信原文，用传统搜索。创意文案、头脑风暴、开放闲聊：没有标准答案、不需要事实约束，纯生成性价比最高。实时舆情与新闻聚合：既要新又要可读，用“搜索召回最新内容 + 生成模型汇总摘要”的混合方式。

更严谨的做法是给方案打分：把准确性 A、新鲜度 F、可解释性 E 视为正向指标，把成本 C 视为负向指标，按业务权重代入效用函数，选分最高的方案。权重体现业务优先级——比如医疗问答把准确性和可解释性调得很高，海量日志检索则把成本权重压到极致。

把这张“评分菜单”贴在餐厅后厨墙上：证据党去自助餐窗口，熟客找记忆大厨，讲究品质与出处的贵客，交给采购主厨。

U(方案)=wa⋅A+wf⋅F+we⋅E−wc⋅C\text{U}(\text{方案}) = w_a \cdot A + w_f \cdot F + w_e \cdot E - w_c \cdot C
这是选型的“评分公式”：准确、新鲜、可解释都是加分项，成本是减分项，权重由业务场景决定，分数最高的方案胜出。
  1. 权重 w（业务优先级）每个维度的系数代表业务对它的看重程度，比如强监管场景把 w_e 调大，海量检索把 w_c 调大。
    wa, wf, we, wcw_a,\ w_f,\ w_e,\ w_c
  2. 正向项 A、F、E（加分项）准确性、新鲜度、可解释性越高，效用分越高。
    wa⋅A+wf⋅F+we⋅Ew_a \cdot A + w_f \cdot F + w_e \cdot E
  3. 负向项 C（减分项）成本越高扣分越多，体现预算约束对方案的否决作用。
    −wc⋅C- w_c \cdot C

混合架构

聪明的餐厅从不只依赖一位厨师，而是请一位“调度总管”——根据点单内容，把每一单派给最合适的厨师。混合架构的核心就是路由：先判断问题类型，再选择处理通道。

路由的具体分工是：常识性开放问题走纯生成通道，图快图省；需要新知识或私有知识的问题走 RAG 通道，给足上下文；需要原文证据或结构化检索的问题走传统搜索通道，直接返回原文。更进一步，搜索和 RAG 不是互斥的——搜索召回的结果可以作为 RAG 的食材来源（搜索给 RAG 供料），RAG 的答案也可以附上搜索的原文链接，两种能力在管道层面融合。

工程实现上，路由可以用关键词规则、意图分类或轻量模型打分完成；检索侧可以做混合检索——关键词 BM25 与向量检索双路召回，再经重排器（reranker）合并去重，保证“既要查得全，又要排得准”。这就是广义上“搜索＋生成”融合的完整形态。

有了调度总管，餐厅既能用记忆大厨的“快”、也能用自助餐的“透明”、还能用采购主厨的“稳”。三种方案从来不是“三选一”，而是“按单派菜”的最优组合。

route(q)=arg⁡max⁡m∈{search, gen, RAG}Um(q)\text{route}(q) = \mathop{\arg\max}_{m \in \{\text{search},\ \text{gen},\ \text{RAG}\}} \text{U}_m(q)
路由公式像“点单派单”：每张单子分别计算走纯生成、搜索、RAG三条通道的效用分，谁分高就派给谁。
  1. 候选方案集合（三位厨师）search（传统搜索）、gen（纯生成）、RAG 三条通道并列，各有所长。
    m∈{search, gen, RAG}m \in \{\text{search},\ \text{gen},\ \text{RAG}\}
  2. U_m(q)（通道效用分）每种通道对当前查询 q 的适配程度，综合准确、时效、成本、可解释性计算。
    Um(q)\text{U}_m(q)
  3. argmax（路由决策）调度总管选择得分最高的一条通道处理该查询，实现“按单派菜”。
    arg⁡max⁡m\mathop{\arg\max}_{m}

AI 应用场景

企业知识库智能客服

阶段：检索增强生成（RAG 应用工程）

解决的问题：传统客服靠关键词搜索 FAQ，长句问法召回差、答非所问；纯生成又会把公司制度“编”得煞有介事，员工误信后引发纠纷。RAG 把企业文档切片建索引，用户提问先检索再生成，答案附带出处，显著提升答疑准确率和用户信任度。

具体案例：某银行内部“报销助手”，员工问“出差住宿报销上限是多少”，系统从《财务报销制度》文档库检索到对应条款，生成百余字答复并附上条款原文链接。制度更新当天，新规则即可被检索并回答，全程无需重新训练模型。

舆情监测与实时资讯

阶段：数据管道与信息检索

解决的问题：纯生成不知道今天的热点，传统搜索返回一堆标题需要人自己读。混合方案先周期性抓取新闻并写入索引，查询时用搜索召回最新相关文章，再交给生成模型汇总成简报，每句话都可回溯源 URL，兼顾实时与可读。

具体案例：某品牌舆情系统每天清晨自动生成《竞品动态日报》：搜索近 24 小时新闻库中的竞品文章，由大模型归纳为“产品发布、政策影响、负面舆情”三类摘要，运营团队五分钟读完，决策效率大幅提升。

营销文案创意生成

阶段：内容生成（纯生成）

解决的问题：创意任务没有标准答案，检索来的素材反而压制发散思维。纯生成零上下文、零检索成本，三十秒给出十条 slogan 候选，人类只需挑选润色，极大压缩创意试错成本。

具体案例：电商大促前夕，运营用纯生成产出“618 家电会场”的二十条广告语，从中挑三条投放，A/B 测试选出转化率最高的一条，全程没有涉及任何文档检索，成本几乎可以忽略。

Python 演示

python72 行
# -*- coding: utf-8 -*-"""三种方案对比演示: 传统搜索 / 纯生成 / RAG"""import re # 文档库: 相当于餐厅的食材仓库DOCS = {    "苹果公司2024年三季度财报": "苹果公司2024财年Q3营收858亿美元, 服务收入创新高。",    "地球到月球距离": "地球到月球的平均距离约为38.4万公里。",    "RAG技术介绍": "RAG先检索相关资料, 再让大模型基于资料生成答案, 可减少幻觉。",} # 大模型参数记忆: 相当于记忆大厨的旧菜谱, 注意数值已过时MEMORY = {    "地球到月球距离": "月球离地球大约30万公里。",    "苹果公司2024年三季度财报": "苹果公司2024年Q3营收920亿美元。",}  def tokenize(text):    return set(re.findall(r"[\w\u4e00-\u9fa5]+", text))  def search(query):    """传统搜索: 返回相关性最高的文档原文, 不做任何改写"""    qw = tokenize(query)    scored = []    for title, body in DOCS.items():        score = len(qw & tokenize(title + body)) / max(len(qw), 1)        scored.append((score, title, body))    scored.sort(key=lambda x: -x[0])    if scored and scored[0][0] > 0:        return scored[0]    return (0.0, "", "未找到相关文档")  def pure_generate(query):    """纯生成: 只靠模型参数记忆作答, 不查任何外部资料"""    if query in MEMORY:        return MEMORY[query] + "(来自记忆, 可能已过时)"    return "印象中" + query + "与我的旧知识有关, 但我记不清了。"  def rag(query):    """RAG: 先检索再生成, 答案有出处、可溯源"""    score, title, body = search(query)    if score <= 0:        return "未检索到相关资料, 拒绝瞎编。"    return "根据《" + title + "》中的资料: " + body  def main():    queries = ["地球到月球距离", "苹果公司2024年三季度财报", "RAG技术介绍"]    cost = {"搜索": 0, "纯生成": 0, "RAG": 0}    for q in queries:        print("问题:", q)        _, _, body = search(q)        gen = pure_generate(q)        rag_ans = rag(q)        print("  传统搜索:", body)        print("  纯生成  :", gen)        print("  RAG     :", rag_ans)        cost["搜索"] += len(body) / 10.0        cost["纯生成"] += len(gen) / 10.0        cost["RAG"] += (len(body) / 10.0 + len(rag_ans) / 10.0)        print()    print("成本模拟(输出字数越多越贵):")    for k, v in cost.items():        print("  %s: %.1f" % (k, v))  if __name__ == "__main__":    main()
目的：用一个小型文档库模拟三种方案的完整问答流程，直观对比“原文直达、记忆作答、检索后生成”的差异，并粗略模拟成本。
  1. DOCS = {文档库相当于餐厅的食材仓库，是搜索和 RAG 的知识来源。
  2. MEMORY = {参数记忆相当于记忆大厨的旧菜谱，里面的数值故意写错，模拟幻觉。
  3. def tokenize(text):把文本拆成词集合，供后续相似度匹配使用。
  4. scored.sort(key=lambda x: -x[0])按匹配得分降序排列，取最相关的文档。
  5. def pure_generate(query):只查 MEMORY，不碰 DOCS，纯生成方案的完整缩影。
  6. score, title, body = search(query)RAG 的第一步：先检索，再进入生成环节。
  7. if __name__ == "__main__":可执行入口，依次跑三个问题并统计成本。

常见误区

误区RAG 检索文档再生成，又准又能引用，肯定比纯生成强，所有问答需求都上 RAG 准没错。

正解RAG 不是银弹。它有检索召回失败的风险，链路更长、延迟更高，每次查询都要多付检索和上下文两份开销；对常识性、创意性、无标准答案的问题，纯生成更流畅省事。就像客人点一杯白开水，采购主厨还要跑一趟菜市场就离谱。选型要按场景打分，而不是迷信某一种方案。

为何常见：因为 RAG 近期曝光多，被包装成“解决幻觉的万能药”，大家看到优势就忽略了它的代价和适用边界。

误区大模型这么强，关键词搜索那套老古董迟早没人用，应该赶紧全部换成生成式方案。

正解传统搜索的透明、零幻觉、低成本至今不可替代，而且 RAG 的“检索”环节本质上就是搜索技术（倒排索引、向量索引、重排）的延续。搜索不是被淘汰，而是从“终端”退化为“组件”——从直接给用户结果，变成给生成模型供料。自助餐的食材，照样是采购主厨的货源。

为何常见：新闻总在讲生成模型的惊艳表现，很少有人关注背后支撑它的检索基础设施。

误区RAG 有什么难的？把搜到的文档拼在提示词前面丢给大模型，不就行了？

正解RAG 是一条完整链路：文档解析、切片策略、向量化、建立索引、混合检索、重排、上下文截取、生成、引用标注。只在 prompt 塞资料，相当于把食材全倒进锅里，既不挑选也不控火候，还可能让无关内容挤爆上下文窗口，质量和成本都不可控。

为何常见：RAG 的入口和出口看起来都只是“多了一段文本”而已，中间过程对用户不可见，容易被误以为只是拼接。

误区让模型背资料多贵啊，RAG 不用微调，肯定比纯生成省钱。

正解省掉的只是训练费，但 RAG 增加了持续运营成本：文档库存储、向量化算力、索引重建、检索服务，以及每次查询多出的检索链路和上下文 token 开销。查询量一大，RAG 的单位成本通常是纯生成的 2～3 倍。“不用训练”换来的是长期账单，选型时必须算总账。

为何常见：人们习惯只对比“训练 vs 不训练”，忽略了在线推理、存储和索引维护这些隐性成本，就像只看了买菜钱、没看后厨水电煤。

面试题

Q1. 传统搜索相比纯生成最不可替代的优势是？

单选题 · easy

  • A.回复速度更快更流畅
  • B.结果可溯源且没有幻觉← 正确答案
  • C.上下文理解能力更强
  • D.完全不需要任何维护成本

答案：B。传统搜索返回原文，用户可逐字核对，天然零幻觉；纯生成是黑盒，可能编造。速度和流畅性并非搜索的强项，维护成本也不可能为零。就像自助餐的“菜”都是看得见摸得着的真食材。

Q2. RAG 的标准处理流程是？

单选题 · easy

  • A.生成之后再检索补充
  • B.先检索再拼接生成← 正确答案
  • C.只检索而不进行生成
  • D.只生成而不做检索

答案：B。RAG 先召回相关文档片段，再与问题一起交给生成模型组织答案，顺序不能颠倒、环节不能省略。C、D 都只做了半个流程，像采购主厨只买了菜却不做，或者做了菜却不买菜。

Q3. 以下哪个场景最适合纯生成方案？

单选题 · easy

  • A.法律条文精确查找
  • B.新品广告语创作← 正确答案
  • C.企业内部制度问答
  • D.股票实时行情查询

答案：B。广告语没有标准答案、不需要事实约束，纯生成发散性强且成本低。其他三项都要求事实准确、知识新鲜，更适合搜索或 RAG。

Q4. 纯生成“知识保质期”差，根本原因是？

单选题 · mid

  • A.模型训练截止后参数不再更新← 正确答案
  • B.模型推理速度慢无法实时
  • C.生成答案超过上下文限制
  • D.模型无法理解长问题语义

答案：A。知识被固化在参数里，训练一结束知识就“定格”，之后发生的事一概不知，只能靠重新训练更新。B、C、D 是工程层面的问题，不是知识过期的根源，好比记忆大厨的菜谱出版后就不会自动增补。

Q5. 在可解释性上，传统搜索强于 RAG 之处在于？

单选题 · mid

  • A.RAG 从未给答案标注过引用
  • B.搜索直接返回原文不改写← 正确答案
  • C.RAG 检索结果一定有错误
  • D.搜索匹配算法天然更公平

答案：B。传统搜索把原文原样交给用户，证据链最完整；RAG 经过生成加工，即便带引用也可能出现“引用与内容不符”。A、C 说法过于绝对，都是错误选项。

Q6. RAG 效果翻车最典型的环节是？

单选题 · mid

  • A.生成阶段模型表达能力不足
  • B.检索阶段遗漏了关键文档← 正确答案
  • C.推理阶段显存不足而崩溃
  • D.输出阶段引用格式出错

答案：B。RAG 的瓶颈往往在“召回”，TopK 没把关键文档捞出来，生成再强也是无米之炊，就像采购主厨买错了菜，手艺再好也白搭。C 是环境问题，D 只是小瑕疵，都不影响答案本身的准确性。

Q7. 混合架构中“路由模块”的核心职责是？

单选题 · hard

  • A.训练一个更大的生成模型
  • B.按查询特征分派合适通道← 正确答案
  • C.对检索结果进行最终重排
  • D.把答案翻译成多种语言

答案：B。路由类似餐厅的调度总管，根据问题特征决定走纯生成、搜索还是 RAG 通道。C 是重排器的职责，A、D 与路由无关。

Q8. 相比纯生成，RAG 的优势有哪些？

多选题 · mid

  • A.显著降低答案幻觉风险← 正确答案
  • B.更新知识只需重建索引← 正确答案
  • C.一定降低每次查询成本
  • D.答案附带可追溯的引用← 正确答案

答案：ABD。检索提供事实锚点可减少幻觉；知识外置后换文档即可更新；答案可回溯到具体文档。C 错误，RAG 多出检索链路和上下文 token 开销，成本通常更高。

Q9. 适合继续用传统搜索的场景特征有哪些？

多选题 · hard

  • A.要求一字不改的原始证据← 正确答案
  • B.检索量大且预算极有限← 正确答案
  • C.需要天马行空的内容创意
  • D.用户愿意自己阅读原文← 正确答案

答案：ABD。原文取证、海量日志检索、预算敏感场景都离不开搜索的透明和低成本。C 是创意任务，不需要事实约束，用纯生成更合适。

Q10. 关于选型评分公式 U=wₐA+w_fF+w_eE−w_cC，下列哪些理解正确？

多选题 · extreme

  • A.权重 w 表示业务优先级← 正确答案
  • B.F 代表数据新鲜程度← 正确答案
  • C.C 越大说明方案越优
  • D.E 代表答案的可解释性← 正确答案

答案：ABD。A、F、E 是加分项，C 是减分项，权重由场景决定。因此 C 越大方案越差，选 C 的同学是把减号看丢了——就像把采购主厨更贵的账单当成了优点。