> ## Documentation Index
> Fetch the complete documentation index at: https://docs.counso.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 了解检索增强回答

检索增强生成（RAG）将语言模型与选定数据源结合起来。智能体收到问题后，会先在这些来源中搜索相关段落，再把检索到的材料和智能体指令交给模型，最后根据这些上下文起草回答。模型不必预先记住来源中的资料。

## 搜索适合什么

语义搜索根据含义和上下文查找资料，而不只匹配完全相同的词。它像一位研究人员，在大量文件中寻找最有用的材料，并用自然语言总结。若问题涉及某项政策、主题或说明，答案主要包含在有限的相关段落中，搜索通常很有用。

## 搜索不能保证什么

检索是选择性的：它返回被认为与问题相关的内容，而不是每份文档或每次出现。因此，“有多少文件提到了这个主题？”或完整总数计算不适合只靠搜索回答。即使答案读起来很流畅，只要相关段落没有被检索到，结论仍可能不完整。需要全面覆盖时，请要求引用来源并加以核对。

## 根据问题选择方法

* 要在连接来源中查找相关段落，使用 **Search（搜索）**。
* 要让智能体从最新资料开始纳入，直到上下文空间用满，可使用 **Include Data（纳入数据）**；它不会按每个问题的相关性排序。
* 要对结构化行数据进行精确计算，例如计数、合计或比较，使用 **Query Tables（查询表格）**。
* 要从大量文档中按 Schema 收集指定字段，使用 **Extract Data（提取数据）**。

清楚具体的问题有助于搜索找到正确材料。保持智能体的数据来源范围聚焦，要求引用来源；完整总数应通过结构化查询核算，而不是根据检索片段估算。另见[搜索数据源](/zh-cn/docs/user-documentation/agents/knowledge/search-data-sources)和[Knowledge 方法](/zh-cn/docs/user-documentation/agents/knowledge)。