RAG

检索增强生成（Retrieval-Augmented Generation，RAG）是一种将信息检索与文本生成相结合的技术架构。其核心是在生成回答前，先从外部知识库（如文档、数据库）中检索与问题相关的片段，再将检索结果作为上下文输入给语言模型，从而生成更准确、可溯源的内容。主要用途包括：提升大语言模型在专业知识问答、企业知识库查询等场景中的回答可靠性，降低幻觉风险，并允许在不重新训练模型的情况下更新知识。特点包括：检索与生成的模块化设计、支持动态知识更新、对模型参数无依赖。