RAG

为什么 RAG 很重要

直接让模型在没有背景资料的情况下写作，往往会得到泛泛而谈的文章。使用 RAG 后，模型会先参考可信媒体在该主题上已经发布的内容，再围绕这些片段制定计划和撰写文本。

这会带来两方面效果：首先，内容有事实依据，而不是凭空编造；其次，内容更贴近 AI 已经经常引用的来源风格，从而提高你的文章也被引用的机会。

RAG 如何收集内容

系统自动执行以下四个步骤：

1. 收集链接. 平台每天收集 AI 服务在查询回答中提供的所有链接。
2. 获取内容. 系统获取每个链接对应页面的文字，只提取文章正文，不包含图片和广告。
3. 文本切分. 将长文本拆分成简短且语义完整的片段，让模型可以引用某个具体观点，而不是整页内容。
4. 按查询检索. 打开卡片时，系统会找到与其主题最相关的片段，并显示在 RAG 标签页中。

卡片中会显示什么

RAG 标签页会列出各个片段，包括片段文本、来源域名、页面标题和原文链接。

这些片段用于在“内容要求”标签页中生成计划，以及在“内容”标签页中生成正文。如果选出的片段不相关，可以手动替换部分片段后重新生成。