检索增强生成（Retrieval-Augmented Generation, RAG）是在模型生成回答前，先从外部知识库（文档、数据库、网页）检索相关片段，将其作为上下文注入提示，让模型基于检索内容作答的技术。 RAG解决了大模型的三大痛点：知识截止（无法获取最新信息）、幻觉（编造事实）、私有数据缺失（不知企业内部知识）。它让模型"查阅资料再回答"，显著提升事实准确性和可溯源性，是企业级AI应用的主流架构。 RAG系统的关键组件包括：文档切分、嵌入模型、向量数据库、检索策略（稠密/稀疏/混合）、重排序、上下文组装。检索质量直接决定RAG效果，是工程优化的重点。