第四部分｜RAG 与外部知识注入：让企业知识库助手具备事实可靠性

本部分目标：

• 回答一个被第三部分自然逼出来的问题：当知识不适合继续放进上下文时，系统还能做什么？
• 从“工程决策”的角度理解 RAG，而不是把它当作一个流行方案
• 让企业知识库助手第一次真正具备事实层面的可靠性

在第三部分中，我们已经明确了一个结论：

上下文与记忆解决的是“时间一致性”，而不是“知识充分性”。

这意味着：

• 即使你完美管理了上下文（比如精准控制对话历史的长度、按优先级筛选关键信息）
• 即使 Prompt 约束得再严格（比如明确要求 “只基于给定信息回答”）

只要问题超出了模型当前上下文中的信息范围，系统依然会被迫在“回答”和“胡说”之间做选择。而在多数未经特殊设计的系统中，模型会默认选择后者（因为 “生成内容” 是它的核心指令）。

第四部分要解决的，正是这个 “知识覆盖范围” 与 “回答可靠性” 的核心矛盾。