RAG面试内容整理-1. 检索增强生成（RAG）概述与意义

检索增强生成（Retrieval-Augmented Generation, RAG）是一种将大语言模型与外部知识库相结合的生成式AI架构。传统的大型预训练语言模型（LLM）容易受到训练语料限制，面对超出其知识范围或需要最新信息的查询时可能产生“幻觉”。RAG通过在生成答案前检索相关文档片段，引入新鲜、可信的知识，从而提升回答的准确性和时效性。RAG系统包含两个核心组件：检索器（Retriever）和生成器（Generator）。检索器负责在知识库中查找与用户查询相关的内容，生成器则利用检索到的结果来生成最终回答。这种解耦架构使得LLM能够参考外部知识回答复杂的知识密集型问题，并显著减少模型产生不正确内容的概率。RAG作为一种通用架构，可以将任何LLM与任何内部或外部知识源连接，实现知识的动态更新。它已经成为改进聊天机器人和问答系统可靠性的关键技术，在工业界和学术界得到广泛关注。

在RAG的发展历