30
RAG系统的检索质量如何优化？有哪些提升Recall和Precision的技巧？
RAG检索增强生成困难
📋 面试问题
RAG系统的检索质量如何优化？有哪些提升Recall和Precision的技巧？
✅ 期望回答
提升Recall（召回更多相关内容）：
- 混合检索：Dense（Embedding）+ Sparse（BM25关键词）结合，互补语义匹配和关键词匹配
- 多通道检索：Query并行搜索多个知识库（文档库、FAQ库、API文档库），合并去重
- Query改写/扩展：用LLM将简短Query改写为多个子Query（Multi-Query），或HyDE（先假设答案再用答案检索）
- 父文档检索：用小粒度块做检索，返回大粒度父文档块作为上下文
- Reranker：粗召回后加精排（Cohere Rerank、BGE-Reranker交叉编码器），从Top-50中选出Top-5最相关的
- 元数据过滤：检索时按时间、类别、来源、标签过滤（Qdrant/Milvus支持）
- 多向量表示：对文档的不同部分（标题、摘要、正文）用不同权重或单独的Embedding
- 上下文压缩：用LLM压缩检索到的文档（去除无关信息后拼接），减少不相关信息的干扰
#RAG优化#Recall#Precision