rag
已收录文章：7篇
-
RAG 应用答错时，不要只怪模型。更常见的根因在检索层：切片不合适、召回证据偏题、排序没过滤、回答没有引用约束。复盘时要把用户问题、检索结果、证据片段、模型回答和评测样本串起来，才能真正防复发。468 收藏
-
本文用代入式排查方式讲解 RAG 知识库明明有资料却答不上来的常见原因：分块过大、元数据缺失、召回偏离和排序不准，并给出重切分、混合召回、结果重排和引用验证流程。453 收藏
-
从 RAG 应用答非所问的现场出发，逐步检查文档切块、Embedding、向量召回、混合检索和上下文拼接，给出一套可复查的排查路径。427 收藏
-
本文用知识库问答跑偏的真实工程场景，拆解 RAG 从问题改写、向量检索、重排过滤、分数阈值到引用检查的完整流程，帮助你把“模型乱答”改成可排查、可复查、可拒答的系统。419 收藏
-
本文整理一套 AI 知识库检索召回工作流，从文档清洗、切分、向量入库、查询改写、过滤重排到证据引用和复查指标，帮助知识库回答从能用走向可控。191 收藏
-
通过知识库问答案例，演示 RAG 如何设计文档切分、向量检索、Top-K 召回、重排序和 Recall@K 评估闭环，减少答非所问。174 收藏
-
本文用一个企业知识库场景，演示如何按标题层级切分文档、设置重叠窗口、保留来源元数据，并通过问题回放修正过碎或过大的分块。101 收藏