RAG 与知识库

RAG（检索增强生成）= 先从资料里检索相关片段，再让模型基于片段回答。

一、最小闭环

文档 → 切分 → 向量化 → 存向量库 → 提问时检索 Top-K → 拼进提示词 → 模型作答

二、常见问题与对策

问题	原因	对策
答"资料中未填写"	检索没抓到	调低相关度阈值、增加 Top-K、改分段大小
引用了文档却答非所问	引用是"检索到的片段"，不等于"回答了问题"	提高阈值，或在提示词里说明
编造出处	小模型不守格式约束	限制"资料来源"只能写片段里的真实文档名
同质化文档分不清	多份文档措辞雷同	给每段加唯一标识（如周次、课程）

三、调参顺序

1. 先修数据（文档是否真的含答案）
2. 再调检索（阈值、Top-K、分段）
3. 最后调提示词（格式、约束）