定义与概述
RAG 检索相关信息并作为生成答案的上下文。企业 RAG 加入权限、版本和审计要求，使检索使用提问者获准知识。
如何实践
将权限传递到文档和分块，并在模型上下文前执行。测试可回答与禁止问题。删除或权限改变时更新索引和缓存。提示词不是授权系统。
| 比较方案 | RAG | Traditional Search |
|---|---|---|
| 需验证的结果 | 答案 | 文档 |
| 需准备的证据 | 附来源的答案 | 来源 |
| 工作流 | 检索知识 | 搜索文章或术语 |
| 人工审核 | 已实施 | 已实施 |
公共 AI 因供应商、套餐和合同而异；私有 AI 取决于架构与配置。没有方案适合所有任务。
开始前检查
- 分块权限
- 可追溯来源
- 索引缓存删除
能力与部署需按项目确认，不作无证据认证、投资回报或客户声明。
常见问题
数据必须离开网络吗？
取决于部署和连接服务。先梳理模型、OCR、嵌入、备份及日志流量，再确认边界。
AI 答案可以直接采信吗？
应核对原文、完整性及版本，尤其是法律、会计和重要决策。引用有助审核，但不保证准确。
如何启动项目？
选择明确用例、获批文档、负责人和验收标准。小组测试答案质量、权限与成本后再扩展。
参考资料
公共来源解释原则，不认证或背书 RAGBOX。
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
实际应用前需专家审核，非个案法律或税务建议。