RAG 全栈工程技巧总结
thisguyknowsai · x · 2026-07-11
这条长线程总结了一个 RAG/检索式 agent 的“全栈”做法，核心是让检索更适配推理过程，而不是只做最基础的 top-k 召回。
包含的要点有：
- 语义边界切分：按完整思想/步骤切块，而不是按字符数。
- 分层索引：摘要、chunk、句子三层索引分别服务不同粒度问题。
- 上下文感知重排：结合对话历史而不只是当前问题打分。
- 按推理步骤触发检索：每一步都判断是否还需要补充上下文。
- 负空间注入：告诉模型“文档里没有什么”，减少幻觉。
- 压缩后再注入：先检索完整 chunk，再压缩到与查询相关的句子。
- 跨文档冲突检测：如果不同来源互相矛盾，先标记冲突。
- 检索审计：记录每次检索的置信度和原因，让模型能“看见”自己的检索轨迹。
作者的主张是：很多 RAG 教程只讲演示路径，真正上线时失败往往不是因为“检索不到”，而是上下文注入方式让模型更混乱。
所属事件:RAG系统进阶指南：解决上下文污染的八大工程技巧(20 条相关)→
「编程与Agent」频道最新
- BELL stack 开源：浏览器+Agent 框架+iMessage+支付，一套搭个人智能体 — jeff_weinstein · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 两名工程师用 AI 3.5 个月重建 FedEx 供应商计费核心,原估 7-8 个月 — alex_verem · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27
- Shift-1 模型路由器发布：编码 Agent 成本最高降 55% — ypatil125 · 2026-10-27
- 零基础用户用 Claude Code 两周 vibe coding 出一款 Godot JRPG — ADHDavid · 2026-10-27