RAG是Perplexity、ChatGPT Search、Google AI Overviews以及大多数联网AI系统背后的核心技术。LLM不再仅依赖训练阶段获得的知识,而是实时检索相关文档,并在答案中引用信息来源。
工作原理
- 用户提出问题。
- 系统将问题转换为embedding(数值向量)。
- 在向量索引中进行语义检索,找到最相关的文本片段。
- 检索到的片段被注入LLM的上下文中。
- LLM生成答案,并引用相应信息来源。
对SEO/GEO的启示
要想被RAG系统检索到,你的内容需要具备以下特点:
- 可分块(Chunkable):每个片段200-500字,自成一体、含义完整。
- 语义清晰:每个段落只表达一个核心观点。
- 可索引:HTML可被正常访问,不依赖大量JavaScript渲染。
- 可引用:信源的权威性会在被引用前经过核实。