在 RAG 系统中，检索到相关片段之后，如何让模型“使用”这些信息，直接决定了最终回答的风格与实用效果。根据任务需求的不同，可以将生成方式大致分为三种模式：摘要式生成、引用式生成和对比式生成。它们并非互斥，实践中常常组合使用，但理解各自的特点有助于针对场景选择最合适的策略。
1. 摘要式生成
是什么：将检索到的多个文档片段进行归纳、提炼，用简洁的语言概括出核心要点，去除冗余细节。用户得到的是一段高度凝练的综述，而不是原文的逐条罗列。
典型提示词示意：
根据以下资料，用一段话总结出关于「远程办公设备补贴」的主要规定，不要逐条复述。
适用场景：
- 管理层希望快速了解某项政策的梗概，而非逐字阅读条款。
- 知识库内容庞杂，用户只需要“结论”而非过程。
- 需要跨多个文档融合信息，形成统一叙事（例如从多份会议纪要中提炼决议）。
优点：
- 阅读效率高，一眼抓住重点。
- 能掩盖来源片段之间的风格差异，输出更流畅自然。
风险与注意：
- 归纳过程中可能丢失关键细节或量化数据（如具体金额、截止日期）。
- 如果源文档存在矛盾，摘要可能模糊处理而掩盖冲突。
- 建议在摘要后附加可展开的“详细依据”，供需要深究的用户进一步查阅。
真实示例：
某公司 HR 知识库中存有三份文件，分别涉及不同部门的远程办公补贴标准。问题：“远程办公补贴是怎样的？”
摘要式回答：“公司为长期远程办公员工提供每月最高 300 元的网络补贴和一次性 500 元的设备购置报销，具体额度视岗位性质和考勤情况而定。”
2. 引用式生成
是什么：回答中直接引用原文语句或段落，并明确标注出处（如文档名称、条款编号、片段链接）。模型充当“精准投递员”，把最相关的原文呈现给用户，自行判断和理解。
典型提示词示意：
请用原文中的内容回答用户的问题，并在每个要点后注明来自哪个文档的哪个部分。
适用场景：
- 法律、合规、财务等对措辞精度要求极高的领域（差一个字都可能引起歧义）。
- 用户需要看到原始表述，以便自行判断或作为证据使用。
- 政策、合同条款的咨询，用户往往需要“原文是怎么写的”。
优点：
- 最大程度保留原文准确性，避免模型转述引入偏差。
- 出处清晰，便于复核和追溯。
风险与注意：
- 如果检索到的片段过长，直接贴原文会降低可读性。
- 可能缺乏对上下文背景的说明，用户需要具备一定专业知识才能理解。
- 建议在引用前后添加简要的引导或概括性语句，帮助用户定位。
真实示例：
问题：“年假未休完的折算比例是多少？”
引用式回答：“根据《员工手册》第 3.2 条：「未休年假的折算标准为员工日工资的 250%。」同时，《福利政策补充说明》中进一步明确，该计算基于员工上年度的平均日薪。”
3. 对比式生成
是什么：当用户的问题涉及比较（多个产品、多个版本政策、不同时间段的规定等），模型将检索到的相关内容并列呈现，突出异同点。回答通常以结构化形式（如表格、分列条目）输出，方便直观对比。
典型提示词示意：
请根据资料，用分点或表格形式对比「2024 版」和「2025 版」隐私政策中关于数据保留期限的差异。
适用场景：
- 产品选型、方案评估，需要横向比较多款型号的参数。
- 政策变更解读，员工想知道新旧规定有哪些具体变化。
- 竞品分析、版本差异说明等知识管理场景。
优点：
- 一目了然，减少用户自行翻阅多份文档的认知负担。
- 结构化对比更容易发现关联和矛盾，辅助决策。
风险与注意：
- 依赖检索召回所有需要对比的片段，若缺失某一方信息会导致对比不完整。
- 模型可能在对比时加入主观判断（如“新版本更宽松”），应明确要求只呈现事实差异，不做评价。
- 可以显式要求“如果缺少某一方的资料，请说明无法完整对比”。
真实示例：
问题：“A 款和 B 款笔记本电脑在接口方面有什么区别？”
对比式回答：
| 接口类型 | A 款（X200） | B 款（X300） |
|----------|--------------|--------------|
| USB-C | 2 个（含 1 个全功能） | 2 个（均为 Thunderbolt 4） |
| HDMI | 1 个 1.4 版本 | 1 个 2.0 版本 |
| 耳机孔 | 有 | 无（需 USB-C 转接） |
实际运用中的组合
在实际的 RAG 应用中很少只使用单一模式。一个高质量的回答可能是：先用一段摘要说明大体情况，然后对关键条款进行引用，必要时以表格对比展示差异。例如：
摘要：今年年假政策主要有两处调整：天数增加、折算比例提升。
引用：《员工手册》第 3.2 条原文为……
对比：
- 去年：15 天，折算 200%
- 今年：18 天，折算 250%
提示词设计时，可以明确要求模型采用“先总述、再引用、最后对比”的结构，从而一次性满足不同用户的阅读需求。这三种生成模式，本质上是根据上下文将 RAG 的“增强”能力用在了不同的表达层次上，掌握它们能让系统输出更贴合实际业务场景。