跳到主要内容
版本：1.0

RAG 优化策略

RAG 优化应先定位问题所在的环节，再选择策略。一个实用的排查链路是：

知识是否覆盖
  → 文档是否正确解析
  → 切片是否保留语义
  → Embedding 是否适合领域
  → 是否召回正确片段
  → 模型是否正确使用上下文

先建立可观测性​

每次查询至少记录：

  • 原始问题和必要的会话上下文
  • 改写后的查询（如果有）
  • 召回的 Node、来源和相似度分数
  • 最终提示词或其安全摘要
  • 模型答案和评测结果

只看最终答案很难区分检索错误和生成错误。打印或保存 response.source_nodes 是最直接的第一步。

增加召回数量：只作为诊断手段​

将 similarity_top_k 从 2 调大到 5 或 10，可能让遗漏的片段进入上下文：

query_engine = index.as_query_engine(
    similarity_top_k=5,
    llm=llm,
)

但这不是长期方案。过多片段会增加输入成本、超过上下文限制，并把多个同名员工或无关内容混在一起。应通过评测确定合理范围，而不是无限增大 top_k。

优化文档与切片​

结构清晰的 Markdown 通常比结构被破坏的纯文本更容易检索。建议：

  • 保留标题层级、表格和列表关系；
  • 将一条完整事实尽量放在同一个片段中；
  • 通过 chunk_overlap 保留相邻片段的上下文；
  • 保留文件名、章节、页码和业务标签等元数据；
  • 定期删除过期、重复和与业务无关的知识。

示例：

from llama_index.core.node_parser import SentenceSplitter

splitter = SentenceSplitter(
    chunk_size=1000,
    chunk_overlap=200,
)
nodes = splitter.get_nodes_from_documents(documents)

chunk_size 和 chunk_overlap 没有通用最优值，应使用业务评测集进行对比。

更换 Embedding 模型​

Embedding 模型决定语义空间的质量。可以比较不同模型在同一数据、同一切片和同一评测集上的 Context Recall 与 Context Precision。升级模型时需要重新建立索引，不能直接将旧向量和新模型生成的向量混用。

检索前优化​

用户问题往往过短或含有歧义，可以在检索前进行：

  • 问题改写：补足省略的主体和上下文；
  • 问题扩写：生成多个相关查询，提高召回覆盖；
  • 用户画像扩展：结合岗位、组织或权限信息；
  • 元数据过滤：先按岗位、时间、部门等标签筛选；
  • 澄清提问：问题无法唯一确定目标时，先向用户确认；
  • 多步检索：将复杂问题拆成多个有依赖关系的子问题。

例如，“张伟是哪个部门的？”在存在多名同名员工时并不充分，系统应列出候选或要求用户补充身份信息，而不是凭相似度猜测。

检索后优化​

  • 重排序（ReRank）：先用向量检索快速召回，再用更精确的模型重新排序并过滤；
  • 相似度阈值：过滤低于可信分数的结果；
  • 滑动窗口：命中一个片段后补充其前后相邻片段，恢复被切分的上下文；
  • 混合检索：结合关键词匹配与向量检索，兼顾专有名词和语义表达；
  • 来源去重：避免同一事实的重复片段占满上下文。

知识空间与意图空间​

优化不只是调模型参数，还要持续维护知识库：

  1. 收集真实用户问题，了解意图空间的变化；
  2. 补充知识库中缺失的业务内容；
  3. 优化文档结构和检索算法，减少无关知识；
  4. 由领域专家审核答案和 Ground Truth；
  5. 将结果加入回归评测集，形成持续迭代闭环。

如果知识库根本没有覆盖某个问题，工程和算法优化都无法生成可靠的事实答案；这类问题应明确拒答或进入知识补充流程。