CAG（Cache-Augmented Generation）は、従来のRAG（Retrieval-Augmented Generation）方式における検索遅延、検索エラー、システムの複雑さといった問題を解決することを目的とした、革新的な言語モデル拡張技術です。関連する全ての資源をモデルコンテキストに事前にロードし、その実行時パラメータをキャッシュすることにより、CAGは推論プロセスにおいてリアルタイム検索を行うことなく直接応答を生成できます。この手法は、遅延の顕著な低減、信頼性の向上に加え、システム設計の簡素化を実現し、実用的で拡張性の高い代替手段となります。大規模言語モデル（LLMs）のコンテキストウィンドウが拡大し続けるにつれて、CAGはより複雑なアプリケーションシナリオで役割を果たすことが期待されます。