实战教程RAG 与知识库精选
从检索到回答：搭建一个可评估的 RAG 知识库
目标与效果 知识库能够回答问题只是起点。我们还需要知道检索是否命中正确材料，以及最终回答是否忠实于证据。这个示例把检索与生成分开评估，让每次优化都有依据。 环境与数据准备 准备一组不含敏感信息的文档，并手工整理一批问题与对应证据。记录分块策略、嵌入模型版本、检索条数与提示词。实验之间只改变一个变量。
BUILD · SHARE · GROW让 AI 开发经验，
让 AI 开发经验，
成为下一步的起点。
分享实战教程，交流技术难题，记录项目背后的思考。
从一次实践，到一份可复现的经验
“分块策略” 的搜索结果 · 清除搜索
技术问答RAG 与知识库
同一份文档换了分块方式，为什么检索结果反而变差？
遇到的问题 将知识库从固定长度分块改成按标题分块后，部分短问题的正确证据排名下降。模型和检索条数保持一致，想讨论如何有步骤地定位原因。 已经尝试的方法 先对比命中片段长度、标题是否进入嵌入文本，以及重复内容是否挤占结果。还需要构建固定测试集，避免只用几条主观印象来判断。 期望的结果 希望得到一个可复