第1章
解构RAG

大语言模型（Large Language Model，LLM，简称大模型）是通过大量数据训练而成的模型，能够生成连贯文本、理解自然语言并回答问题。作为基础技术，LLM提供了强大的语言理解和生成能力，构成了复杂人工智能系统的基石。

RAG（Retrieval-Augmented Generation，检索增强生成）是当前备受关注的LLM前沿技术之一。它结合了传统信息检索技术和最新的生成式模型，首先从大型知识库中检索与查询最相关的信息，然后基于这些信息生成回答。可以说，RAG是在LLM基础上的扩展或应用，利用LLM的生成能力和外部知识库的丰富信息提供更准确、更全面的输出。

简单来说，RAG是一种方法，在将提示词（prompt）发送给LLM之前，先从数据中找到并注入相关信息片段。这样，LLM能够获得预期的相关信息，并据此进行回复，从而减少幻觉的可能性。

在本章中，我们将从LLM应用的基本模式入手，逐步引入RAG的核心概念、组成结构及其应用场景。同时，我们还将深入探讨与RAG相关的各种技术体系，以期为读者提供全面的内容。 CFYACfw6UDJVCUs9RddOXIeoXXGsVindQe+eAFawgEi3exOIAw+mKtcnY3R2XxAg