RAG检索重排
538 字
3 分钟
RAG检索重排
一、RAG文档检索
RAG技术如何从文档库中查到文档
1-1 RAG检索增强生成的流程回顾
RAG完整流程:1.用户提问 → 2.去数据库查资料 → 3.挑出关键章节 → 4.阅读资料总结并回答问题
二、召回的局限性有哪些
召回的片段太多且无关怎么办
2-1 干扰过多
- 混杂旧闻和过期信息
- 夹杂广告和推广内容
- 包含大量无关片段
2-2 答非所问
例如用户提问:“方向盘坏了怎么办?” 找回结果:“方向盘是汽车中的关键部件通常是由金属工程塑料等材料制作,一般是圆形的。”
深层问题
- 语义相似但意图相反
- 无法区分肯定与否定
2-3 逻辑断层
拼凑的片段来自不同文档,导致文风分裂,大模型无法整合成通顺逻辑。
例如: 文档A 风格:今年的财务政策 文档B 风格:去年的公司规范
- 风格不一致,回答怪异
- 逻辑跳跃,难以理解
- 信息冲突,产生幻觉
三、重排技术如何提高质量
重排技术提升业务效果
3-1 从Top100到Top5的进化
利用Cross-Encode模型,对召回结果进行逐字比对和精算打分。
以计算时间换取智能质量
打分维度:
- 相关性(真的在回答问题吗?)
- 时效性(新规还是旧闻?)
- 权威性(官方文档 → 社区帖子)
最终生成流程:Prompt构建,给大模型下达“死命令”,通过结构化指令,限制大模型“胡说八道”的能力。
四、总结
总结RAG技术中的增强效果如何提升
❌ Before RAG:天马行空的“科幻作家” 自由发挥、容易脑补、经常产生幻觉
✅ After RAG:基于事实的“行业专家” 严谨准确、引用可靠、杜绝胡说八道
行业场景落地:
- 智能客服:精准定位售后政策
- 企业大脑:制度文档找得到读得懂
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












