_{记忆点：先找证据，再据证回答；检索和生成都需要评测。}

💡 答案要点

RAG = Retrieval-Augmented Generation（检索增强生成）

核心思想： 先检索相关知识，再让 LLM 基于检索内容回答问题。

为什么需要 RAG？

问题	纯 LLM	RAG
知识过时	❌ 训练数据截止后不知道	✅ 可以检索最新数据
私有数据	❌ 不知道公司内部文档	✅ 可以检索内部知识库
幻觉	❌ 容易瞎编	✅ 基于检索内容，更准确
可追溯性	❌ 不知道答案从哪来	✅ 可以给出引用来源

面试话术：

"RAG 的核心是解决 LLM 知识过时和幻觉问题。我会用混合检索 + Rerank 提升召回率，用语义缓存降低成本。"

📚 参考：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks（RAG 原论文）