RAG 检索结果为什么会把答案带偏：文档切块边界与引用校验

知识库问答最让人误判的一种故障，是检索结果看起来“命中了”，回答却把规则说反了。比如制度原文先写“普通报销需要部门负责人确认”，下一段紧接着写“紧急采购可走例外流程”，切片刚好把这两句分开，模型只看到前半段，就会把例外当成不存在。问题通常不在模型突然失常，而在证据链被切断后仍被当成完整依据。

先检查一条回答所需的“规则—条件—例外”是否落在可核验的连续证据中，再调整切块边界和引用展示；相似度最高的片段不一定是足够回答问题的片段。

先把“命中”与“答对”分成两件事

向量检索或关键词检索返回一段相似文本，只说明这段文本与问题有关系。回答能否成立，还要看它是否覆盖了问题中的对象、条件、动作和限制。问“哪些采购可以不走普通审批”，只召回“采购需要审批”这句话，相关性并不低，但它无法回答“不走普通审批”的例外范围。

排查时可以把一次回答拆成三个要素：结论是什么，条件对谁生效，例外何时改变结论。只要其中一项没有出现在检索片段或相邻可追溯片段里，就不应把结果标记为充分支撑。

切块边界为什么会制造“半个答案”

固定长度切分很方便，却不认识文档里的语义结构。标题可能留在上一块，条件列表被切到下一块，脚注里的除外项又落在第三块。检索阶段若只返回其中一块，生成模型面对的就是一段语法完整、语义不完整的文字。

更稳妥的做法是先识别知识库的结构：小标题是否代表一个独立主题，列表是否属于标题下的完整条件，表格行是否必须与列名一起理解。切块不是越短越精确，而是要让一个事实单元在被取出时仍能被人复述。

用三类问题暴露边界缺口

• 单片段问题：答案只依赖一个明确事实，用来发现切块是否塞入了过多无关背景。
• 跨边界问题：同时询问规则和例外，用来检查相邻证据能否共同进入上下文。
• 反例问题：加入“仅限”“除外”“不得”等限制词，用来发现系统是否只抓住肯定句。

重叠窗口应该围绕事实单元调整

重叠窗口的作用，是让边界两侧共享一小段上下文，避免一句话被硬切断。不要先套一个固定比例。观察制度、接口手册或产品说明中最常见的条件长度：如果一个例外通常由两三句组成，就让相邻切块至少共享这段条件；如果文档已经按小标题组织，优先在小标题和列表边界切分。

窗口过小，跨边界问题会漏条件；窗口过大，则会把同一段背景复制到多个结果里，真正的例外被重复背景挤下去。出现“召回数量增加，答案反而更短”时，先比较片段之间的重复程度，不要急着换嵌入模型。

引用校验要沿着“为什么这样答”追溯

生成前可以保留较完整的上下文，展示时再按段落边界裁剪，但不能把决定结论的条件裁掉。一个简单的人工验收方法是：把引用片段单独交给不了解问题的人，请他指出规则适用于谁、什么情况下不适用，以及结论依据在哪一句。

引用条目最好携带原文标题、小节名、页码或稳定定位信息。相邻切块共同支撑一个结论时，先合并再去重；如果只能展示其中一块，应明确标记证据不完整，而不是用流畅的生成文本掩盖缺口。微软对 RAG 流程的说明也强调，切块后的数据需要保留能支持引用的元数据；Google Cloud 的文档切块说明则把标题、列表等结构视为组织片段的重要线索。

把防偏移检查做成上线前回归集

每次调整切块大小、重叠范围或引用展示策略，都重新跑同一组问题，至少记录三项：结论是否覆盖完整证据链、每个结论是否有可回到原文的引用、无关片段是否明显增加。不要把回答字数当作唯一指标，字数变多可能只是背景变长。

上线前再加一条硬检查：问题中出现“仅限”“除外”“不得”等限制词时，引用中必须能找到对应条件；找不到就降级为人工复核。这个动作成本很低，却能拦住许多语气确定、依据残缺的回答。

常见问题：RAG 切块与引用

重叠窗口越大，回答一定越完整吗？

不一定。过大的重叠会带来重复背景，反而降低例外条件在结果中的可见度。应以跨边界问题的证据覆盖为准。

为什么检索数量增加后，回答仍然漏条件？

新增结果可能只是原片段的重复版本，数量增加却没有增加新的证据。先检查结果去重和规则、条件、例外是否齐全。

引用片段展示多长才够？

至少覆盖支撑结论的规则、适用条件和例外，并保留标题或小节名。无法覆盖时，应提示需要人工复核。

验收时只问一个问题：读者能否复核

可靠的 RAG 不是找到“最像问题”的一句话，而是把足够完整、能回到原文的证据交给模型和读者。先画出规则—条件—例外的最小证据链，再调整结构化切块与重叠窗口，最后用反例问题回归。这样定位“答案被带偏”时，排查路径会落在可验证的片段上，而不是停留在模型好不好用的猜测里。