关于RAG系统在生成阶段的优化方案，大模型入门到精通，收藏这篇就足够了！

关于RAG系统在生成阶段的优化方案

“ 增强生成的处理会直接影响到模型生成质量，如果做不好，哪怕你文档处理的再好，召回的质量再高，也没什么用。”

最近也写了很多关于RAG系统的内容，大部分都是在讲述文档处理和文档检索两部分内容；而RAG既然被称为检索增强，那么我们今天就从增强的角度讲一下怎么进行增强，有哪些注意点和问题。

在RAG中大部分人的关注点可能都在文档处理和文档召回上，也会用大量的时间来优化这两部分内容；因此，往往忽视了增强这一块功能。

RAG全称是——检索增强生成，检索在前，增强生成在后；因此，RAG的原理其实很简单，检索到问题相关文档，然后把这部分文档交给大模型进行生成。

所以，前面讲的文档处理和文档检索就属于RAG的检索部分，文档处理的质量会影响到文档检索的效果；而增强生成部分就是怎么把召回的文档丢给大模型，使用什么格式，存在哪些问题。

RAG增强生成

可能在很多人看来，把检索到的内容直接拼接到提示词中，然后丢给模型就可以了；但事实上这一步并没有大家想象中的那么简单，其存在好几个注意点。

首先一点，提示词作为用户与大模型交互的一个唯一途径，其是有上下文窗口限制的；因此，如果你召回的内容太长有可能会超出提示词窗口限制，导致数据丢失，因而影响到最终内容生成。

特别是在前期文档处理和召回做的不好的情况下，会导致文档太长相关度低，存在大量噪音；最后再加上超长引起的数据丢失，那生成效果就不能保证了。

其次，在提示词中召回的文档只占提示词的一部分；其中还要有系统提示词，角色提示词，以及历史记录；特别是历史记录会占很大一部分提示词的空间；而这些内容都会直接或间接的影响模型最终的生成效果。

再有，有些在召回文档之后，就直接把检索到的文档列表丢给模型，而不会去做任何处理；但类似于我们请教别人问题，是别人直接把一堆乱七八糟的资料丢给你让你自己研究好呢，还是别人把资料分门别类做好标注再给你比较好呢？我想肯定是后者。

那么面对以上的问题，我们都应该怎么解决呢？

首先一点就是为了保证模型的生成质量，我们丢给模型的文档一定是高度相关的，并且要控制文档的数量，防止超长。

其次，在历史记录中我们也要控制历史记录的数量或长度；比如只记录十轮对话，或者对历史记录进行压缩。比如说，我们一般情况下会把历史对话的所有内容全都记录下来，但事实上在历史记录中我们只需要记录大概对话内容即可；并不一定要把完整对话记录下来；因为历史记录的目的是为了实现记忆功能，而记忆功能只需要知道大概发生了什么即可；而不是把发生的事情记录得一清二楚。这样也可以减少记忆的超度，提升质量。

最后，我们在把文档丢给大模型之前，最好能把文档进行一些格式化处理；比如说告诉模型我这里有个参考文档列表，然后这是第一段，第二段，第三段等等；这样也有助于提升模型的生成质量。

总之，增强生成虽然理论上很简单，但事实上会存在很多坑和优化点，只不过我们很多人很难注意到它们。其次，以上只是一些通用的优化手段，在真实的业务场景中需要根据不同的情况进行多轮测试才能达到最好的效果。

比如说，使用不同的模型由于其能力不同，窗口大小不同，对提示词长度的要求也不同；因此，如果我们要想做到高质量的生成，就需要去不断地测试和优化才能达到最优的参数值。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！