RAG是什麼？
RAG（Retrieval-Augmented Generation）檢索增強生成
作用：解决傳統LLM（如GPT系列）固有的幾個問題：
1. 知識過時（Staleness）
2. 缺乏特定領域 or 私有知識
3. 容易產生幻覺-編造不存在的內容（Hallucination）
核心思想：
當使用者提出一個問題（查詢 Query）時，不是直接讓 LLM 憑空生成答案。
先從外部的、可信賴的、通常是海量的知識庫中，檢索出與該問題最相關的文件片段（Chunks）。
將檢索到的相關文件片段（作為上下文 Context）和使用者的原始問題一起「餵」給 LLM。
LLM 基於提供的上下文（檢索到的知識）和自身的語言理解與生成能力，綜合生成最終的回答。
簡單來說：RAG = 檢索Retrieval（找到相關知識） + 增強Augmented（用知識豐富輸入） + 生成Generation（基於知識生成答案）
· 即是將本地知識庫分拆為可以檢索的Chunks，方便檢索。