RAGday13-day15

Day13：RAG 常见问题 & 调优实战

1. 检索不到内容原因：分块太小、关键词太偏、没做混合检索解决：换递归 / 父子分块、加上 ES 混合检索、做 Query 改写

2. 搜到内容多但答不对原因：检索杂、没重排、没上下文压缩解决：加 Rerank 精筛、压缩冗余文本

3. 大模型总瞎编幻觉原因：参考资料太少、给的上下文太乱解决：补全检索资料、精简上下文、限制模型随意发挥

4. RAG 调优核心就三步调分块 → 调检索（混合 + 重排）→ 调问句改写

Day14：RAG 项目工程落地要点

1. 文档预处理PDF、Word 先转纯文本，去掉乱码、空格、无效页眉页脚

2. 增量更新不用每次全量重新入库；新增文档单独分块、单独入库，节省资源

3. 版本管理知识库分版本，上线新策略可以灰度测试，不好用随时回退

4. 权限控制不同角色只能看对应文档，RAG 要加文档权限过滤

Day15：RAG 面试总结 & 整体架构收口

1. RAG 两大核心检索靠谱 + 给到模型的上下文干净

2. 完整工业级流程终极版文档预处理 → 合理分块 → ES 建索引 + 向量入库→ Query 改写 → 混合检索 → Rerank 重排→ 上下文压缩 → 大模型生成 → 日志复盘迭代

3. RAG 适合谁企业私有文档、法规手册、内部知识库、客服问答

4. RAG 不适合谁实时热点、创意脑洞、复杂高数推理、纯主观创作

5. 面试必背一句话RAG 本质：先找对资料，再让模型照着资料老实回答，减少瞎编