rag
已收录文章：9篇
-
RAG 系统最危险的不是检索慢，而是证据为空时模型仍然给出肯定答案。本文用相似度门槛、引用绑定和拒答回退，把无证据回答挡在业务接口之外。188 收藏
-
把供应商手册、网页或用户上传文件接入 RAG 后，风险不只在回答是否跑题：检索片段里的恶意指令可能诱导模型越过原本任务。防护的重点不是相信一条更强硬的角色提示，而是把资料来源标成不可信、把工具能力做成固定的结构化边界，并为高影响动作设置确认与可追溯记录。149 收藏
-
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
-
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
-
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
-
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
-
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