经典RAG（检索增强生成）系统通过精巧地结合预训练语言模型与信息检索技术，有效解决了传统大语言模型在知识更新滞后和内容幻觉方面的瓶颈。本教程将详细解读其核心组件、运行流程及底层原理，助您全面掌握这一高效架构。

一、RAG的核心组件

经典RAG系统由三大核心模块组成：预训练语言模型（LLM）、向量数据库（知识库）以及用户查询。三者紧密协作，实现精准的上下文感知内容生成。

1. 预训练语言模型（LLM）

预训练的语言模型是RAG系统的基石，通常基于深度学习框架（如Transformer架构）。这些模型通过在海量无标注文本（例如数十亿篇文档）上进行自我监督学习来积累知识，能够理解语法、语义以及文本间的内在关联。典型代表包括GPT、BERT等。它们擅长文本生成、问答、摘要等多种任务，为RAG提供了强大的语言表达能力。