검색 증강 생성(Retrieval-Augmented Generation, RAG)은 LLM이 답변을 생성할 때 외부 지식 베이스·문서에서 관련 정보를 검색해 프롬프트에 주입함으로써 정확성·최신성·출처 추적성을 확보하는 기법입니다. 벡터 데이터베이스, 임베딩, 리트리버를 결합해 구현되며, 도메인 특화 질의응답, 엔터프라이즈 AI 비서, 법률·의료 LLM 등에서 환각(hallucination)을 줄이는 표준 접근법이 되었습니다.
검색 증강 생성(Retrieval-Augmented Generation, RAG)은 LLM이 답변을 생성할 때 외부 지식 베이스·문서에서 관련 정보를 검색해 프롬프트에 주입함으로써 정확성·최신성·출처 추적성을 확보하는 기법입니다. 벡터 데이터베이스, 임베딩, 리트리버를 결합해 구현되며, 도메인 특화 질의응답, 엔터프라이즈 AI 비서, 법률·의료 LLM 등에서 환각(hallucination)을 줄이는 표준 접근법이 되었습니다.