夜里十一点，运营同事在群里丢来一个问题：某条流程的例外条款写在文档哪一页。直接把问题交给大模型，它能给出流畅答案，却未必说清依据。对企业来说，答案读起来顺，不等于可以拿去用。出处、版本、权限，这些看起来琐碎的细节，往往决定一次问答是否站得住。
「检索增强生成」这个词听起来像某种新模型，其实更像一套工作流程。它先拿问题去检索企业已有的资料，把相关片段找出来，再交给生成模型组织语言。模型看到的不是整座互联网，而是一小段被挑选过的上下文。回答因此有机会带上出处，也便于人工核对。
答案流畅，出处在哪里
普通问答里，模型依靠训练时留下的语言模式作答。遇到企业内部的流程、产品说明、售后口径，它可能知道“大概怎么说”，却不知道“这份文件怎么写”。检索增强生成做的事，是在生成之前插入一步资料查找。问题被拆成检索条件，文档被切成可搜索的片段，相关段落连同来源一起进入提示词。模型再根据这些材料组织回答。
这套流程听起来直白，落地时却有不少细活。文档切分太粗，检索会带进无关内容；切得太细，上下文又可能断裂。权限设置不清楚，检索可能把不该出现的段落递给模型。文档更新频繁，索引没有跟上，回答就会引用旧版本。引用格式如果只是装饰，用户点不开、核不了，出处仍然形同虚设。
它做的其实是两件事
一件是找资料，一件是说人话。找资料依赖检索系统，说人话依赖生成模型。两者之间用上下文连接。检索结果偏了，生成模型再会组织语言，也只能围绕偏掉的片段打转。反过来，检索到了好材料，提示词却塞得太满，模型也可能抓不住重点。企业常把注意力放在模型选型上，实际使用中，文档治理和检索质量同样绕不开。
因此，检索增强生成不是给模型装上一颗“真相芯片”。它提供的是可追溯的工作方式：先找依据，再组织表达，最后把来源摆在旁边。它不能保证每句话都正确，也不能替代人工审核。遇到文档彼此矛盾、版本混杂、权限复杂的情况，系统只会把这些问题以另一种形式暴露出来。问答界面顺滑，不等于背后的资料治理可以偷懒。
边界不在模型参数里
判断一个场景是否适合，不妨先问几个朴素问题：资料是否集中，更新是否有人负责，答案是否需要出处，错误能否被人工兜住。如果文档散落在多个系统，版本靠口头确认，权限边界含糊，那么先做资料整理，可能是一项值得投入的工作，急着上线问答反而容易暴露缺口。这套系统的上线不等于知识管理的完成，它只是把知识管理中的缝隙照得更清楚。
夜里那个问题最终被解决了：答案旁边附了文档段落，运营同事点开核对，发现条款确实在附录里。这样的结果谈不上惊艳，却足够日常。检索增强生成的价值，也许就藏在这种日常里——让模型少一点凭空发挥，让答案多一条可以走回去的路。