本次查询：Assisted Generation
中文解释：辅助生成
常见场景：文本生成 / 图像生成 / 代码补全
一句话解释
Assisted Generation（辅助生成）是指 AI 在生成内容时，不仅依赖训练过的参数，还临时借助外部信息源（如数据库、用户输入、规则列表）来“查阅”并实时整合，从而让输出更准确、更符合当前需求。你可以理解为 AI 先翻书再答题，而不是全凭记忆硬写。
为什么会被关注
传统大模型在生成时容易产生幻觉或偏离上下文，因为其知识落后且无法动态更新。辅助生成通过引入实时外部信息，显著降低幻觉率，同时让用户能控制生成方向。尤其在需要引用精准数据（如金融报告、医疗诊断）、或需要个性化输出（如定制文案）的场景下，它比纯参数生成更可靠，也是检索增强生成（RAG）等热门技术的核心引擎。
核心逻辑
辅助生成的核心流程分三步：首先，系统接收用户输入（如问题或指令）；然后，从外部资源（向量数据库、文档库、API 返回结果等）中检索相关片段；最后，将这些片段作为额外上下文拼接到原始提示中，再交给生成模型输出。整个过程对外表现为“模型会自主翻找资料”，实际是检索与生成两个模块的协同，既保留了模型的创造力，又引入了外部事实的约束。
常见场景
最常见的是企业知识库问答：你用内部文档问 AI，AI 先检索相关段落再生成回答，避免过时信息。其次是代码补全，IDE 会根据当前代码上下文和项目历史辅助生成建议。还有电商产品描述：给定商品属性和竞品数据，AI 辅助生成合规且有卖点的文案。此外，多轮对话中结合聊天历史作为辅助上下文，能让 AI 更连贯地续写。
容易混淆的点
很多人把“辅助生成”与“提示工程”混淆。提示工程是手动设计输入的文本格式，而辅助生成是系统自动把检索结果作为额外上下文注入，用户可能完全感知不到检索过程。另外，它也不是“检索后直接拼接”，AI 会对检索信息进行语义理解和重新组织。还有一点：辅助生成不会改变模型权重，它属于推理阶段的增强，与微调（改变参数）有本质区别。