通俗解释
把参数里的“记忆”和外部可更新的知识库结合：检索器找出相关段落，生成器把它们当上下文作答，减少幻觉、便于引用和更新知识。现在泛指一切“检索+大模型”的系统。
用在哪里：企业知识库问答、Perplexity 类搜索、客服
时间轴 · 前置 → 当前 → 后继
01原始论文
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
Patrick Lewis, Ethan Perez, Aleksandra Piktus, et al. · 2020
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
U02 幻觉、可靠性与使用边界 理解模型为什么会一本正经地编造，以及如何核查与降低风险。 2 小时2 个算法1 篇论文 U81 RAG 系统工程与评估 切分、查询改写、HyDE、GraphRAG、引用、评估指标。 8 小时4 个算法3 篇论文已有正文
所在学习路线：AI 应用工程师
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
rag)