来源 :绿盟科技2025-12-22
近日，国际权威研究机构Forrester发布了检索增强生成工程实践专题报告Getting Retrieval-Augmented Generation Right: Part One[1]。绿盟科技结合自身在复杂业务场景中的探索，成功参与了相关研究与调研工作。
随着生成式AI进入规模化应用阶段，RAG的价值已不再停留在概念验证层面，而逐步转向工程实践的深水区。在真实业务环境中，数据来源多样、格式不统一、更新频繁，并且检索路径复杂，若缺乏系统化的工程设计，RAG易出现响应不稳定、知识碎片化以及生成结果一致性不足等问题。因此，端到端工程能力成为决定RAG实际效果的关键因素。
在工程实践层面，报告围绕着数据索引、检索流程与生成协同三个阶段，总结了提升系统稳定性与可用性的关键思路：
在索引阶段加强数据清洗与切分策略，以保障知识结构的完整性；
在检索阶段综合使用多种检索方式并进行结果优化，以兼顾覆盖率与相关性；
在生成阶段通过结果筛选与上下文组织，减少无关信息对输出质量的干扰。
只有将这些能力进行统一设计与持续调优，才能支撑 RAG 在复杂场景中的长期运行。针对需要更高可信度与可追溯性的专业领域应用，工程策略显得尤为重要。在此类场景中，RAG不仅需要回答“是否正确”，还需要支撑“为何如此”的问题，因此对数据处理、检索逻辑与生成组织的透明性提出了更高要求。
在相关实践中，绿盟科技围绕安全运营与分析场景，持续探索RAG的工程化应用方式。通过在实际业务中对数据组织方式、检索组合策略及生成上下文控制进行实践验证，逐步积累了适用于复杂数据环境的工程经验，为安全分析与知识支撑提供了更加稳定的技术基础。
随着AI能力向多轮推理与自动化执行演进，RAG 正与智能体体系形成更加紧密的协同关系。通过为智能体提供持续更新且可验证的外部知识，RAG在支撑复杂任务执行、辅助决策与流程自动化方面发挥着愈发重要的作用，而工程化能力将成为这一过程中不可缺少的基础条件。
此次参与调研RAG工程实践研究报告，反映了绿盟科技在检索增强生成工程化探索方面的持续投入与阶段性成果。未来，绿盟科技将继续围绕安全、可信与可控的技术目标，推进RAG技术在安全运营及智能分析场景中的应用实践，为生成式AI在专业领域的稳健发展提供支撑。