RAG（检索增强生成）看起来只是“把文档切块、向量化、塞进提示词”，但真正上线后，效果差异往往来自切分和召回这些不起眼的细节。本文按实施顺序拆解关键决策。

一、先判断是否真的需要 RAG

RAG 适合回答依赖企业内部知识、且答案可定位到原文的问题。如果任务主要是格式转换、通用写作或简单分类，直接调用模型可能更便宜。若知识量很小且稳定，也可以把全文放进提示词，而不必搭向量库。