在一个内部知识库页面里输入问题，几秒后得到一段语气平稳的回答，读起来像那么回事，但关键数字旁边没有出处，再追问一句，它又开始绕。这类场景里，模型缺的往往不是语言组织能力，而是“该翻哪一页资料”的动作。检索增强生成要补的，正是这个动作。
先把资料找出来，再让模型组织语言
它的基本思路并不复杂：把可用的文档切分成便于检索的片段，建立索引；用户提问时，先从资料里找出一组相关片段，再把这些片段和问题一起交给模型，让模型基于给定材料作答。向量检索、关键词检索、混合检索、重排，都是这条链路上的不同做法。系统实现可以不同，但核心没有变：生成之前，先确定参考范围。
真正难的是检索那一步
很多人把检索增强生成理解成“接一个知识库就完了”，实际落地时，麻烦常常出在检索。用户问法口语化，文档标题却偏正式；一段制度被切得太碎，上下文断了；切得太长，噪声又挤进提示词。权限也会掺进来：同一个问题，不同角色能看到的资料范围不同，检索层如果不过滤，生成层就会把不该出现的内容带出来。资料过期同样隐蔽，索引里留着旧版本，模型只能照着旧版本组织答案。
检索结果不相关时，模型不一定沉默。它可能顺着不充分的材料继续写，语气还很笃定。因此，检索增强生成并不能自动消除胡编，它只是把“凭空作答”改成“带着材料作答”。材料选错，答案照样会偏。工程上要看的，不只是生成结果读起来是否顺畅，还要看召回片段是否切题、上下文是否完整、答案能否回到原文。
引用不是装饰
在知识库问答里，引用片段的价值不只是让人放心。它让答案可以被核对，也让错误更容易定位：是资料本身过期，是切分破坏了语义，还是检索没有命中。一个可用的系统，通常需要把引用落到具体段落，而不是只给文档名；遇到材料相互矛盾时，回答应当说明冲突，而不是替用户做无声取舍。材料不足时，明确说“现有资料无法支持这个结论”，能让后续核对有起点。
它适合什么，不适合什么
有相对稳定的文档集、需要出处、问题主要围绕已有材料展开的场景，适合引入检索增强生成。需要实时变化的数据、资料本身缺失的问题、要求跨多个系统做复杂操作的流程，则不能只靠它。它也不是一次接入就长期不变的系统：文档会更新，问法会变化，权限会调整，检索策略和切分方式都要跟着维护。
把它当成一个工程问题，意味着接受资料怎么来，片段怎么切，检索怎么过滤，引用怎么落，答案在什么情况下应当停住，这些细节决定了系统能不能被信任。它提供的是一个让模型回到资料里的路径，路径修得是否扎实，仍要看日常维护。