# Geração de Recuperação Aumentada > [!NOTE] Geração de Recuperação Aumentada > **Retrieval-Augmented Generation (RAG)**, ou Geração Aumentada por Recuperação, é uma técnica que combina a capacidade de geração de texto de [[Grandes Modelos de Linguagem]] (LLMs) com a capacidade de recuperação de informações de fontes externas. > > O objetivo principal do RAG é fornecer aos LLMs informações relevantes e atualizadas para melhorar a precisão, relevância e factualidade de suas respostas, reduzindo as "alucinações" (quando o [[Grandes modelos de linguagem|LLM]] inventa fatos) e permitindo que ele acesse conhecimentos específicos que não estavam em seus dados de treinamento originais. O RAG consiste em três componentes principais: 1. **Retrieval (Recuperação):** Envolve a busca de informações relevantes em documentos para responder a uma pergunta. O sistema busca documentos relevantes na base de conhecimento. 2. **Augmentation (Aumento):** Refere-se à melhoria das capacidades do modelo, inserindo informações encontradas como contexto no _prompt_ do usuário. 3. **Generation (Geração):** Refere-se à capacidade natural das LLMs de gerar um texto coerente. **:: Referência ::** [[7 AI Terms You Need to Know Agents, RAG, ASI & More]] **:: Referência ::** [LangChain: criando chatbots inteligentes com RAG: Aula 1 - Atividade 3 Estrutura do curso | Alura - Cursos online de tecnologia](https://cursos.alura.com.br/course/langchain-criando-chatbots-inteligentes-rag/task/203576?b2cUser=true) # Notas