RAG 与工具调用

大模型本身不适合承担所有事实和动作。知识会更新，系统状态会变化，很多任务还需要查询数据库、调用接口或写入业务系统。RAG 和工具调用就是把模型接到外部世界的两类核心方式。

RAG 解决什么

RAG（Retrieval-Augmented Generation）把外部资料检索出来，再放进模型上下文，让模型基于资料回答。

它适合：

• 企业知识库问答。
• 技术文档助手。
• 法规、制度、产品说明等需要引用依据的场景。
• 知识更新频繁，不适合频繁微调的场景。

RAG 不适合：

• 需要实时写入系统的动作。
• 检索不到资料却强行回答的场景。
• 资料本身质量很差或权限边界不清的场景。

RAG 链路

1. 文档清洗和切块。
2. 生成向量并建立索引。
3. 用户提问后检索相关片段。
4. 对片段排序、过滤、压缩。
5. 把片段放入上下文。
6. 模型基于片段生成回答。
7. 返回答案和来源。

这条链路里，检索质量往往比提示词更影响最终答案。

RAG 常见问题

问题	原因	处理方式
答非所问	检索召回错误	优化切块、查询改写、混合检索
回答漏关键点	片段太分散或排序差	重排、摘要、合并上下文
引用不存在	模型没有被约束基于资料回答	要求引用来源，缺资料时拒答
权限泄露	索引没有按用户权限过滤	检索阶段做权限裁剪
成本高	上下文塞太多	过滤、压缩、分层检索

工具调用解决什么

工具调用让模型通过受控接口获取实时信息或执行动作。

适合：

• 查询订单状态。
• 计算价格。
• 读取文件。
• 创建工单。
• 调用搜索、数据库、部署平台。

工具调用的关键是：模型提出意图，工具层负责校验和执行。不能把模型输出直接当作可信指令。

RAG 与工具调用的区别

维度	RAG	工具调用
主要目标	提供知识依据	获取状态或执行动作
输入	用户问题	模型生成的工具参数
输出	文档片段	结构化结果或执行状态
风险	检索错、引用错、权限泄露	参数错、越权、误写入
典型控制	权限过滤、来源引用	参数校验、审计、人工确认

与 Agent、MCP 的关系

Agent 常把 RAG 和工具调用串成多步任务。MCP 可以作为工具连接协议，把文件、数据库、API 统一暴露给客户端。

例如代码问答：

1. RAG 检索相关设计文档。
2. 工具读取源码。
3. 模型解释问题。
4. Agent 运行测试验证。

总结

RAG 把外部知识带进上下文，工具调用把模型意图接到外部动作。RAG 关注资料是否找对，工具调用关注动作是否安全可控。真实应用往往两者结合，并通过权限、审计、引用和人工确认建立边界。