参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 74 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
要点:
- 查询改写(Query Rewriting/HyDE):用户问题口语化、省略多,先用 LLM 把 query 改写成检索友好表述(或生成假设答案做向量检索),提升召回;代价是多一次 LLM 调用,可用规则+缓存兜底。
- 父子文档(Parent-Child):检索用小块(命中准),生成回贴大块(上下文全),解决“粒度矛盾”;索引需维护子块→父块的映射。
- 混合检索 + 重排:作为召回与精排基线(见上题),用 RRF 融合、cross-encoder rerank。
- 缓存:对高频 query 缓存检索结果与最终答案,降延迟与成本;注意知识更新时的失效策略。
- 在线评估闭环:落盘 query/上下文/答案与用户反馈,定期跑 RAGAS + 人工抽检,用 bad-case 驱动切片/模型/提示迭代;知识库变更触发全量重嵌与回归。