LangChain 从入门到实战（08）：让模型「说人话还附出处」——检索增强 RAG（下）上一篇我们把私有文档切块、向量化、存进了Chroma向量库（建库完成）。这一篇做「问答下半场」：每次提问，先从库里检索出最相关的小块，拼进 prompt，再让模型基于资料作答——还带来源出处。真正把第 07 篇建的库用起来。一、第一次 RAG 问答：三步拼成一条链RAG 的每一拍其实就三步：检索 → 拼 prompt → 生成。用 LCEL（第 02 篇引入的|管道）把它串成一条声明式链：importosfromlangchain.chat_modelsimportinit_chat_modelfromlangchain_core.runnablesimportRunnablePassthrough