检索增强生成（RAG）全称是什么？	Retrieval Augmented Generation
将整个大型文档直接放入提示词（Prompt）的主要局限性是什么？	存在硬性文本长度限制（Token限制），且模型在处理超长提示词时效率降低。
RAG技术解决大型文档问题的核心机制是什么？	将文档分割成小块（Chunk），并根据用户问题检索最相关的文本片段。
相较于直接输入完整文档，使用RAG的主要优势是什么？	能够处理超大型文档，提高模型对相关内容的专注度，并降低运行时间和成本。
在RAG实现过程中，文档分割（Chunking）的两种常见方法有哪些？	按固定比例分割，或根据文档的标题和结构进行分割。
实施RAG技术面临的主要技术挑战是什么？	需要预处理步骤（文档分割），以及设计搜索机制来准确找到相关的文本块。