第四单元的核心线索是"怎样让大模型更可靠"。RAG 给模型开卷资料而不是靠记忆回答，Embedding 让机器按语义找资料而不是只匹配关键词，对齐让模型在风险场景中知道拒绝和保守。
你应该已经掌握
- RAG 是开卷考试，不是真理机器：检索→筛选→阅读→生成，每个环节都可能出错。资料找错了，模型会认真地基于错误资料回答
- Embedding 让机器按"意思"找资料：文字被转换成语义向量，意思相近的在空间中靠近。但语义相近不等于能回答当前问题
- 对齐是能力和边界的平衡：模型不是一味服从——预训练给它知识，SFT 教它当助手，RLHF 让它学会什么时候该说"我不确定"或"我不能帮你做这件事"
关键直觉
可靠性是一个系统工程。不是某一个技术（RAG、Embedding、对齐）能单独解决的问题。可靠的 AI 输出，通常需要检索准确、资料干净、生成合理、人类审核这几个环节一起工作。
单元测验
检查一下你对本单元核心概念的理解（共 3 题）
1. RAG（检索增强生成）的核心作用是什么？
2. Embedding 让机器按什么方式查找资料？
3. 「对齐」训练的主要目的是什么？
进入下一单元
有了可靠的回答能力后，第五单元将探索怎么让模型做更多事——从写好 Prompt 到调用外部工具，再到让 AI 自主执行多步骤任务。