分类：RAG与知识库

RAG 与知识库分类覆盖检索增强生成的切分、向量检索、混合检索、重排序与评测，帮助团队搭建可追溯、低幻觉的企业知识库问答系统，并持续迭代检索质量。

2026年10月15日 · RAG与知识库

RAG 评测正在变难：忠实于错误证据，比胡编更危险

近期 RAG 压力测试显示：要求模型「只依据检索文档作答」反而会提高被错误证据带偏的概率。本文梳理 RAG 评测中容易被忽视的盲区，包括证据冲突、过时文档与引用失真，并说明落地时真正该关注哪些指标。

2026年9月29日 · RAG与知识库

企业知识库问答是大模型最常见的落地场景，但很多项目卡在文档混乱、答案不准和权限泄露上。本文从文档治理、检索设计、权限控制、答案可追溯和运营迭代五个方面，梳理企业知识库从试点到规模化的完整落地路径。

2026年9月21日 · RAG与知识库

向量数据库是 RAG 和语义搜索的基础设施，但选择太多容易迷失：专用向量数据库、传统数据库的向量扩展、搜索引擎还是嵌入式库？本文按数据规模、过滤需求、混合检索、运维成本等维度给出一份务实的选型清单。

2026年8月26日 · RAG与知识库

向量检索召回了相关文档，但真正有用的那一段常常排在第五、第十名之后。重排序模型（Reranker）对候选结果做精细打分，是提升 RAG 准确率性价比最高的手段之一。本文讲解其原理、与向量检索的区别、选型与部署要点。

2026年8月15日 · RAG与知识库

很多 RAG 项目效果差，根源不在模型和检索，而在 PDF 解析阶段就丢失或打乱了信息：双栏错序、表格变成乱码、页眉页脚混入正文、扫描件无法识别。本文梳理文档解析的常见问题，并给出分类处理和质量检查的实用方法。

2026年8月11日 · RAG与知识库

文档切分（Chunking）是 RAG 系统中最容易被忽视、却最影响检索质量的环节。本文对比固定长度、按段落、按标题结构和语义切分等策略，讨论块大小与重叠如何取舍，并给出表格、代码、FAQ 等特殊内容的切分建议。

2026年8月7日 · RAG与知识库

纯向量检索擅长理解语义，却常常搞不定产品型号、人名和专业术语；关键词检索正好相反。本文解释 BM25 与向量检索各自的优劣，介绍分数融合与 RRF 等混合方法，以及在中文 RAG 系统中落地混合检索的实践要点。

2026年7月22日 · RAG与知识库

传统 RAG 擅长回答“某段文字说了什么”，却难以回答“这些文档整体讲了什么”或跨多个实体的关系问题。GraphRAG 通过构建知识图谱弥补这一短板。本文介绍其基本原理、与传统 RAG 的区别、适用场景和构建成本。

2026年7月14日 · RAG与知识库

模型上下文窗口越来越长，很多人开始问：还需要 RAG 吗，直接把文档全部塞进去不行吗？本文从成本、延迟、准确性、可追溯性和数据更新等维度对比 RAG 与长上下文方案，并给出组合使用的实用建议。