上一节从概念层面介绍了 RAG 的基本定义，这一节我们把它拆解成一个用户提问后真实发生的完整链路。整个流程可以概括为五个步骤，每一步都很具体，没有黑箱。
1. 用户提问
用户以自然语言输入问题，比如：“公司差旅标准里，住宿费的上限是多少？”
在这一步，系统接收到的是未经处理的原始问题。除了问题文本本身，可能还会附带一些元信息（如用户身份、部门），用于后续的权限控制，但核心流程的起点就是这句话。
2. 查询向量化
RAG 需要在知识库中“找相似内容”，但计算机不能直接拿两句中文做语义比较。所以这一步会把用户问题转换成向量，也就是一串固定长度的数字，代表这句话的语义。
具体做法是：使用与建库时相同的嵌入模型，将用户问题输入模型，输出一个向量。这步很快，通常只需几十毫秒。
关键约束：查询向量化所用的模型，必须和知识库构建时使用的嵌入模型完全一致。否则向量空间不对齐，检索结果会完全错误。
3. 向量检索
拿到问题向量后，系统在向量数据库中进行相似度搜索。向量数据库里存着所有文档切片的向量，以及每个切片对应的原始文本和元数据（来源、页码等）。
检索过程本质上是计算“问题向量”与“所有切片向量”之间的距离（通常是余弦相似度），然后按相似度从高到低排序，取最前面的几条（比如 top‑5）。这一步通常也能在毫秒级完成。
返回结果不只是向量得分，还包含每个切片完整的文本内容和来源信息。这些内容是下一步生成的基础。
4. 上下文拼接
检索到的几个文本片段还需要“组装”成大模型能够理解的格式，这一步被称为提示词构建。
典型的做法是使用一个预先设计好的模板，比如：
你是一个基于公司内部资料回答问题的助手。请严格根据以下提供的资料回答问题。
如果资料中找不到相关信息，请直接说明“资料中未找到相关内容”。
资料：
[片段1] 来自《差旅政策》第3条：一线城市住宿标准为500元/晚，其他城市400元/晚。
[片段2] 来自《差旅政策补充说明》：经济型酒店不受上述标准限制，可凭票实报实销。
问题：公司差旅标准里，住宿费的上限是多少？这个过程会把零散的检索结果、问题指令、行为约束整合成一个结构化的提示，直接决定了模型会不会跑偏。
5. 大模型生成答案
拼接好的提示词被发送给大语言模型。模型在阅读提示中的“资料”后，基于这些内容生成回答。
针对上面的例子，模型可能输出：
“根据《差旅政策》第3条，一线城市住宿标准为500元/晚，其他城市为400元/晚。不过补充说明也提到，经济型酒店可以凭票实报实销，不受上述标准限制。建议出差前确认酒店类型。”
生成的回答可以随附资料来源，供用户点击查阅原文。
整条链路的时间消耗
一个优化得当的 RAG 系统，这五步的总耗时通常在 1‑3 秒以内（取决于模型推理速度和检索库规模）。主要时间瓶颈在最后一步大模型生成，前面的向量化和检索几乎可以忽略不计。
这五个步骤串联起来，就是 RAG 回答一个问题的完整过程。后续章节中提到的各种优化（如检索策略调整、重排序、提示词工程），本质上是在这条链路的某个环节上做改进，让最终回答更准、更快、更可控。