摘要#
RAG（Retrieval-Augmented Generation，检索增强生成）是近年来大模型应用落地中最重要的技术范式之一，它通过将“信息检索”与“生成式模型”相结合，有效弥补了大语言模型在知识更新、事实准确性与领域可控性方面的不足。本章从RAG的提出背景出发，逐步引导读者理解其核心动机、基本能力以及整体工作流程，为后续深入学习向量检索、知识库构建与Agent式RAG系统打下基础。
本章内容
1.1 RAG 提出背景
RAG 是什么？本文从大模型局限出发，讲清 RAG 的提出背景、核心动机和能力边界。
1.2 RAG 流程概览
本节围绕RAG 流程概览展开，重点介绍RAG 处理流程与RAG 的 3 个核心阶段等内容。