RAG 系统答错怎么办：六步调试检索与生成链路
ashishllm · x · 2026-09-16
一篇回答面试题「RAG 系统给用户错误信息时如何调试」的系统性思路，给出六步排查法：
- 先测检索组件：用评测集测量 precision、recall、MRR、hit rate，低于阈值时用混合检索（hybrid search）替代纯语义检索。
- 加置信度门槛：检索后接 Reranker，置信度低于阈值直接返回「未找到上下文」，避免硬答。
- 查询扩展：按领域扩展用户 query、纠正关键词，改善混合检索中的关键词匹配部分。
- Prompt 与护栏：只有 Reranker 通过置信度门槛的上下文才允许生成，配合 few-shot 提升理解。
- 分块策略：检查 overlap、是否需要文档版式感知或按段落分块。
- 提高 embedding 维度：提升检索质量，但会增加成本和延迟。
作者末尾附带了付费咨询推广，属于个人职业内容，但调试框架本身有参考价值。
「编程与Agent」频道最新
- 谷歌工程师造 WikiSkill：把 Agent 执行历史编译成可复用技能 — blaizedsouza · 2026-09-16
- 开源 Open Notebook 可本地运行,替代 NotebookLM 支持播客生成 — thisguyknowsai · 2026-09-16
- 独立开发者开源 Qwen-2.5-1B-RLCD,端侧 JSON 推理提速 5 倍 — suchenzang · 2026-09-16
- FDE 一词三种工作：是产品岗位还是好听头衔的咨询？ — yangyi · 2026-09-16
- AI 改写游戏 Mod 生态:极地乐 Hybrid 6 社区涌现大量 AI 编写工具 — SuperSlowmia · 2026-09-16
- 重置两次仍只剩 14%:Pro 用户晒 ChatGPT 20 倍配额见底名场面 — craigbalding · 2026-09-16