RAG（Retrieval-Augmented Generation）通过检索外部知识库增强大语言模型（LLM）的生成能力，结合检索与生成两阶段，解决LLM的幻觉、知识过时等问题。

好比是为AI模型添加“外接硬盘”，动态扩展知识边界。

出现背景

LLM的局限性：制造虚假事实、知识范围受限、无法实时更新。

对比微调（Fine-tuning）：微调侧重参数更新，RAG依赖动态检索，两者可互补。

工作流程

离线阶段：知识库预处理（文档分块、向量化、索引构建）。

在线阶段：查询处理→检索→上下文整合→生成。