【2025版】一文讲清RAG与本地知识库、向量数据库、知识图谱的联系与区别 ...

“ RAG的本质是高效检索，而知识库，向量数据库和知识图谱只是组织数据的一种情势**”**
这两天在之前的一篇关于RAG检索增强的文章中有一个批评，问RAG和知识图谱的区别；这时才发现，原来很多人对RAG技术还没有一个本质的认识，以及与其相关的本地知识库，向量数据库等。
所以，今天就来介绍一下上面的这些概念，以及其联系与区别。
RAG——检索增强生成
前面写过好几篇关于RAG的文章，但大概到现在很多人还不明白什么是RAG——检索增强生成。
先说RAG技术产生的配景，RAG技术是基于大模型文本生成而产生的一种技术；目的是办理大模型的缺陷标题，因此就有了RAG技术来资助大模型，简朴来说RAG就相当于给大模型配备了一个资料库，碰到不懂的标题不要胡扯，先去查查资料。
大模型主要缺陷：
知识更新不及时：大模型的知识仅限于训练数据的停止时间，无法获取之后的知识
大模型幻觉标题：大模型一本正经的乱说八道，
大模型知识不敷：大模型的知识有限，很多垂直领域的知识它都不知道
RAG技术的运作流程是什么样的呢？

如上图所示，完备出现了RAG的运作流程；RAG技术主要分为三个部门：
1. 创建资料库
2. 查资料

• 带着资料问标题
  

举个生活中的例子，你是一个门生，有一天碰到一个你不懂的标题；然后，你爸妈就让你去问邻人家上大学的哥哥姐姐；如果是一些常识性的标题，那么他们可以直接告诉你效果。
但你这个标题比较特殊，涉及到详细的专业知识，好比说化学，物理等；这时上大学的哥哥姐姐大概也不知道该怎么回答你的标题，但以他多年的学习经验，他觉得这个标题他可以办理，但需要先看一下你的讲义或资料。
这个步骤就是RAG中的第三步，你就是用户，大模型就是邻家的哥哥姐姐；而你比较聪明，在来的时间就怕哥哥姐姐需要看你的讲义，你随身就把讲义和资料给带着了；这个就是第二步。
然后，邻家的哥哥姐姐看了一会你的讲义，然后告诉你这个标题应该怎么巴拉巴拉的给你讲，然后你的标题就办理了。
现在回到RAG的标题，为什么需要这三步？
因为大模型上面的缺陷，所以导致大模型本领并不是很强，因此有些东西需要查资料才气知道；但怎么才给大模型建一个资料库呢？
这就是第一步，好比需要从差异的文档加载数据，如word，pdf，txt，音频，视频等；然后需要把这些文档中有关联的数据放到一块，这个就叫做嵌入(embedding)，最后把这些数据存储到一个地方，好比向量数据库。
第二步就是检索，有了这些资料之后，怎么才气根据差异的标题，从中找到相关联的资料；好比，你不大概因为一个汗青标题就去翻阅整个永乐大典；所以这就需要一种检索技术，好比目录/索引。
接着是第三步，你带着第二步检索到的数据给到大模型，然后大模型就可以根据这些数据往返答你的标题；这时你大概会说，既然有了这些资料我自己看不就行了，还要大模型干什么；那如果你是公司客服，你会为每个用户都重新介绍一下你们公司的产物和企业文化吗？

而这就是整个RAG技术的实现流程，每个环节又涉及到差异的技术；好比第一步创建资料库，需要文档加载技术，分词技术，嵌入技术等；第二步需要向量化技术，正确高效的检索技术等；第三步需要提示词技术，大模型调用技术等，因为第二步查到的资料需要放到提示词中让大模型自己去“看”。
所以，从这里也可以看出，严酷来说RAG技术和大模型没太大直接关系(这里的没关系是指进行业务处理的大模型，而文档嵌入本质上使用的也是嵌入大模型)；大模型不管你使用的是什么资料库，也不关心你查到了哪些资料，大模型关心的只是你最后在提示词中携带的资料。
大模型与本地知识，向量数据和知识图谱
那么，RAG和本地知识库，向量数据库，另有知识图谱有什么关系呢？
什么是本地知识库？
本地知识库说白了就是资料库的一种，好比说你们公司的技术档案，销售记录，公司的规章制度等都属于本地知识库的范围；本地知识库的作用是把一个组织内部的资料梳理出来方便大家使用。
所以，本地知识库的本质是资料库；而这个资料库可以有多种差异的组织情势，好比以文档，书籍，或者网页，视频，甚至是会议记录等情势存在，也大概是多种情势的混合。
而向量数据库是一种存储数据的方式，只不外由于大模型的出现，导致基于从前的字符存储变成了基于语义的向量存储；向量数据库从功能上来说和传统的数据库没有本质区别，不论是mysql，照旧redis；只不外传统的数据库是基于字符匹配，而向量数据库基于语义匹配(本质上一种数学模型，如欧式距离和余弦函数)。
向量数据库既然是数据库，那么它就具备数据库的特性，存储数据和查询数据；它是数据存储的载体，就雷同于工作中的文件夹。
而知识图谱又是什么？
所谓的知识图谱是由谷歌推出的一种搜索引擎技术，面临互联网中日益增长的数据，怎么体现这些数据，以及这些数据之间的关系成为了一个难题；因此，谷歌就推出了知识图谱技术，用这个方式去记录这些数据以及其关联关系。说白了知识图谱就是一种组织数据的方式，好比我们日常工作和生活中，会按照日期，所在，任务名称等来存放差异的文件，资料。

所以，本地知识库，向量数据库，另有知识图谱有什么关系？
本地知识库即可以使用简朴的日期，部门，工作任务来组织资料，也可以使用知识图谱这种更加专业的方式来搭建本地知识库；而搭建的本地知识库存储在什么地方？
即可以存储在传统的关系性数据库中，也可以存储在文本文件中，当然也可以存储在向量数据库中。
这就是其三者之间的关系。
那么它们和RAG又有什么关系？
前面说了，RAG是为了办理大模型本身存在的几个缺陷；大模型需要的是你在提示词中拼接的终极资料，而不会关心你这个资料从哪里来。而RAG就是从外部检索资料然后拼接到大模型提示词中的一种方法论。
RAG终极的目的就是正确，高效的检索到相关的资料；而不管是去知识图谱中检索，照旧去本地知识库中检索，照旧去处量数据库中检索，亦或者是从传统的关系型数据库中检索，或者直接去网络上搜索。
好比说，你想让大模型告诉你怎么做西红柿炒蛋，你需要的是使用RAG技术检索到做番茄炒蛋的内容，而不是告诉大模型哪里大米产量高，哪里发生了天然灾害，原子弹怎么造。
而至于你这个资料是从哪家餐厅的菜谱中找到的，照旧从网络上搜索到的，或者照旧路边听说的都可以。
标题，传统数据库可以用来做RAG吗？‍‍‍
答案是可以，好比说价格表这种精确的不需要语义检索的数据；使用传统数据库效果会更好。一般企业场景中是把语义检索和字符匹配同时使用，需要语义理解的就使用语义检索库，好比向量数据库；精确的数据就放到传统数据库中。‍‍‍
总结
RAG是一种从外部检索数据的方式；本地知识库相当于一个资料库；而知识图谱是组织数据的一种更加科学的方式；向量数据库是用来存储向量化数据的一个载体。
所以，本地知识库，向量数据库和知识图谱和RAG没什么直接关系，如果说有关系就是它们三者可以作为RAG技术的一种详细实现；但RAG也可以使用别的的实现方式。
RAG，本地知识库，向量数据库，知识图谱是四个完全独立的技术，它们之间没有任何直接关系，但又可以互相合作以到达某种效果。

1. ## AI大模型学习福利

复制代码

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和本领了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限，仅展示部门资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
一、全套AGI大模型学习门路

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部门资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
二、640套AI大模型报告合集

这套包罗640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，照旧对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部门资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热门。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生本钱领，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部门资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
四、AI大模型贸易化落地方案

因篇幅有限，仅展示部门资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的康健发展贡献气力。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。