RAG全称是什么？	Retrieval Augmented Generation（检索增强生成）
将整个大型文档直接放入提示词（Prompt）中的主要缺点是什么？	存在硬性文本限制、模型理解力下降、处理成本高且耗时。
RAG（检索增强生成）的核心机制是什么？	将文档切块，检索与用户问题最相关的文本块，然后将这些文本块放入提示词中。
使用RAG相比直接输入全部文本，有哪些主要优势？	能够处理超大型文档、模型能聚焦于相关内容、提示词更小，运行更快、成本更低。
RAG技术实施的主要挑战或缺点是什么？	增加了复杂性，需要预处理步骤，且无法保证检索到的块包含回答问题所需的所有完整上下文。
在RAG流程中，第一步需要对文档进行什么操作？	将文档切分成小的文本块（Chunking）。