RAG（检索增强生成）是解决大语言模型（LLM）结构性缺陷的关键。它通过知识解耦和外部存储检索，降低幻觉率，实现知识快速更新，确保私有数据安全并提供可追溯性。RAG系统包括离线ETL和在线查询，涉及文档解析、清洗、切片、嵌入和检索等环节，高质量的文档解析和有效的检索策略是其成功的基础。

本研究提出了一种新的知识解耦协同学习方法（KDSL），有效解决电子商务中少样本多模态对话意图识别的干扰问题。在淘宝数据集上，该方法的F1分数提升了6.37%和6.28%，验证了其有效性。