【四.RAG技术与应用】【11.阿里云百炼应用（上）：RAG在云端的实践】
一、为什么需要RAG？大模型的“知识困境”与破局之道
大模型虽然“博学”，但它的知识库存在两个致命短板：
- 缺乏私有知识：比如企业内部的产品手册、客户数据、行业报告等；
- 知识更新滞后：大模型的训练数据往往停留在某个时间点，无法实时获取最新信息（比如今天的股票行情或政策变动）。
这时候，RAG（检索增强生成，Retrieval-Augmented Generation）技术就成了“外挂大脑”。简单来说，RAG的工作流程分三步：
- 检索：从企业私有知识库中快速找到与用户问题相关的文档片段；
- 增强：将这些片段作为上下文输入给大模型；
- 生成：大模型结合上下文，输出更准确、更专业的回答。
举个真实案例：
某金融公司用百炼搭建了