RAG（Retrieval-Augmented Generation，检索增强生成）是指：AI 在回答问题时，先从一个外部知识库（通常包含抓取来的网页文本）检索相关资料，再把资料交给大模型生成答案。主流 AI 搜索引擎普遍采用 RAG。一、RAG 的工作链条爬虫抓取网页 清洗并切分成语义块 转向量存入数据库 用户提问时召回最相关的块 大模型综合成答案
RAG（Retrieval-Augmented Generation，检索增强生成）是指：AI 在回答问题时，先从一个外部知识库（通常包含抓取来的网页文本）检索相关资料，再把资料交给大模型生成答案。主流 AI 搜索引擎普遍采用 RAG。
一、RAG 的工作链条
爬虫抓取网页 → 清洗并切分成语义块 → 转向量存入数据库 → 用户提问时召回最相关的块 → 大模型综合成答案并附引用。你的网页能否进入"被检索的资料池"且被召回，决定了能否被引用。
二、对官网的启示
结构松散、没有标题层级和 FAQ 的内容很难被切成有效语义块，也难被精确召回。反之，一页一主题、标题清晰、含问答与数据的页面，更容易在 RAG 环节胜出。
相关词条：LLM、AI Overviews、向量数据库、语义块
