如何提升 RAG 检索准确率与业务意图匹配度
哪些公司问过
答案要点
- 分块按语义边界切分并保留重叠,为每块补充标题、业务域、时间等元数据
- 混合检索:向量检索加 BM25 关键词检索,结果融合(如 RRF)
- 查询改写:补全指代、规范化口语表达,复杂问题拆分为子问题
- 意图识别和路由后按元数据过滤,再用重排模型对候选精排
- 提示词要求基于检索内容作答并引用来源,建立评测集分别评估检索和生成
易错点
- 只调提示词,不评估检索是否召回了正确文档
- 只用向量检索,对编号、型号等精确关键词召回差
- 召回内容不加过滤和重排,全部塞进上下文,引入大量噪声
面试官常见追问
- 跨业务域查询时,怎么规避跨域错误调用?
- 分块大小怎么定?
- 为什么要加重排?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。