企业 RAG 先修检索再换模型，三件套可减少 67% 检索失败
LangChain · x · 2026-11-01
Soba Labs 的 Kacper Klusek 在 LangChain 社区发布企业级 RAG 实战指南，核心主张是「答案错了先查检索，别急着怪模型」。生产环境里最常见的失败其实发生在检索层：答案所在段落被错误切分、 embedding 丢失上下文、被近重复文本压过排名，甚至根本没被索引。
指南按性价比排序给出完整技术栈：
- 上下文嵌入（contextual embeddings）：把失败率从 5.7% 基线降到 3.7%，减少 35% 检索失败；
- 加上下文 BM25 混合检索：关键词与向量结果融合，失败率降到 2.9%，累计减少 49%；
- 再加 reranker：取回 top 150 再筛出 top 20，失败率降到 1.9%，累计减少 67%——比换任何前沿模型收益都大。
作者还强调用 LangSmith 在线评测兜底：文档一变检索质量就会悄悄衰减，demo 看不出来，持续 eval 才能发现。文末附 agentic RAG 上线前的检查清单。
「编程与Agent」频道最新
- 把旅行计划交给个人 agent：订餐到提醒打包全程代管 — ColleenMBrady · 2026-11-01
- 给 Agent 写 /summarize /bookmark 等 skills，让发文章不再只有摘要一种解读 — gethackteam · 2026-11-01
- 开发者开源 Sentinel:在 MCP 工具输出进入模型前拦截指令注入 — Infamous_You7977 · 2026-11-01
- 从零手写 RSA 算法，开发者开源完整实现 — cneuralnetwork · 2026-11-01
- rakyll 预告 AX Studio:本地集群测试 Agent 后无缝上生产 — rakyll · 2026-11-01
- 黑客松研究发现:Agent 集群语言会随截止时间临近发生可测变化 — Miles_Brundage · 2026-11-01