是什麼
檢索增強生成（Retrieval-Augmented Generation，RAG）是一種讓大模型「帶著資料答題」的技術。它在模型生成回答之前，先根據用戶的問題，從外部知識庫（文檔、網頁、數據庫等，通常以向量檢索實現）裡找出最相關的若干片段，再把這些片段連同問題一起餵給模型，讓模型基於這些材料來作答，而不是隻靠訓練時記住的知識。
為什麼重要
大模型的知識止於訓練截止日期，也記不住企業內部的私有資料，還容易在不知道時「一本正經地編造」。RAG 把模型與一個可隨時更新的外部知識庫連起來，既補上了時效與私域知識的盲區，又能把答案錨定到真實出處、降低編造。它是企業把大模型接入自家文檔、做問答與客服的最主流落地方式之一。
在 AI 產業鏈中的位置
RAG 是 AI 產業鏈應用層的架構模式，它把模型層的通用能力與企業自己的數據接合起來，中間往往還要用到向量數據庫等基礎設施層組件。相比訓練或微調一個專有模型，RAG 改動小、更新快，是多數應用接入私域知識時的首選路徑。