标签：RAG
共 25 篇文章。
-
用负反馈改进 RAG 检索：把用户的"没帮上忙"变成可执行修复
RAG 上线后真正的改进信号藏在负反馈里。本文讲怎么采集隐式与显式负信号、归因到检索链路的具体环节，并建立一条从抱怨到修复的闭环流水线。
-
Query Rewrite 对 RAG 召回的影响：怎么量化它到底有没有用
多数 RAG 系统加了 Query Rewrite 却说不清收益。本文给出可落地的评测设计：拆分四类改写策略、构造对照集、用召回率与成本一起判断是否值得保留这一步。
-
RAG 知识新鲜度监控
索引和源库完全一致，不代表知识还没过期。本文区分一致性与新鲜度两类问题，给出保鲜期定义方法、源侧索引侧使用侧三类监控信号、告警分级与陈旧内容的降权下架策略，并说明如何在回答中暴露时间信息，以及小团队可落地的最小实现。
-
企业 RAG 的文档权限继承
企业 RAG 不能让搜索绕过原系统权限。本文给出文档 ACL 继承、身份映射、检索前过滤、缓存隔离、权限撤销与审计测试的完整工程方案。
-
RAG 引用真实性自动校验
讲清 RAG 引用真实性自动校验的工程实现：从引用结构化、文档版本绑定、原文蕴含检查到离线评测与线上告警，减少链接存在但证据不支持答案的伪引用。
-
RAG 效果差的排查路径
RAG 回答不准时不要盲目更换 Embedding、Reranker 或生成模型。本文把数据解析、索引、召回、过滤、排序、上下文组装与生成拆开诊断，给出失败样本记录、分阶段指标、最小变量实验和回归测试方法，帮助开发团队定位第一个出错环节，并用成本更低、结果可复现的顺序完成修复。
-
RAG 文档版本与索引一致性
系统讲解 RAG 文档更新时如何管理版本、增量索引、删除传播与缓存失效，避免新旧片段混用，并给出可落地的数据模型、切换流程和一致性检查方法。
-
RAG Metadata Filter 设计：从字段选型到多租户隔离
讲解 RAG 系统中 Metadata Filter 的设计方法：字段选型原则、预过滤与后过滤的性能取舍、多租户隔离方案，以及主流向量库的过滤语法对比。
-
RAG Reranker 选型与评测：什么时候值得加一层重排
系统梳理主流 Reranker 方案（Cohere Rerank、BGE-Reranker、Voyage Rerank、LLM 重排）的选型标准、延迟成本与评测方法，判断你的 RAG 系统是否真的需要重排。
-
Hybrid Search 权重调优实战：向量检索和关键词检索怎么配比
讲解 RAG 系统里 Hybrid Search 的权重调优方法，覆盖 RRF 融合、动态权重策略、评估集设计与常见调优误区。
-
RAG Chunking 策略的量化评测：别再凭感觉调 chunk_size
用 Context Recall 和 MRR 量化对比固定长度、按句子、滑动窗口、语义切分四种 chunking 策略，附实验设计方法与分文档类型的选型建议。
-
Embedding 成本优化路径：从去重到量化的实操清单
不是选模型或选维度，而是拆解 Embedding 成本在去重、批处理、增量更新、量化压缩四个阶段的具体优化手段，附可落地的执行顺序。
-
Agent 输出来源追踪与引用设计
多步骤 Agent 的最终输出往往融合了多个工具调用和检索结果，如何设计数据模型让每句话都能追溯到源头。
-
Embedding 维度、速度与成本取舍
从存储成本、检索速度到召回精度，拆解 embedding 维度选择的实际影响，讲清楚何时该用 1536 维、何时用 256 维就够，以及 Matryoshka 降维的取舍。
-
Anthropic Citations 与 RAG 组合实战
讲解如何把 RAG 检索结果转换为 Anthropic 可引用文档，启用 Citations、解析引用位置、渲染来源，并用召回与引用指标验证生产质量。
-
RAG 系统评测框架搭建实战
讲解如何为 RAG 系统搭建一套完整评测框架，涵盖检索指标、生成质量指标、黄金测试集构建与 CI 集成方法。
-
Embedding 模型成本对比：API 调用 vs 自托管全算
系统对比 OpenAI、Cohere、Voyage 等主流 Embedding API 与 BGE、E5 自托管方案的完整成本，含百万文档建库与在线查询两个场景的详细测算。
-
Claude vs Gemini 文档问答能力对比
从上下文长度、准确率、引用追踪和成本四个维度，系统对比 Claude 和 Gemini 在文档问答与 RAG 场景的实际表现。
-
OpenAI File Search vs 自建 RAG：怎么选更合适
深度对比 OpenAI Assistants API 的 File Search 工具与自建 RAG 管道，从成本、可控性、中文支持、延迟等维度帮你做出选型决策。
-
Claude Citations API 引用功能详解：让 AI 回答有据可查
深入讲解 Claude Citations API 的工作原理、使用方法和最佳实践，帮助开发者构建可信赖的知识问答和 RAG 系统。
-
用 AI 做客服自动化的工程化方案
构建客户支持 AI 系统的完整工程化方案：意图识别、RAG 知识库、工具调用、人机协作、质量监控、合规边界。
-
Embeddings API 国内对比：text-embedding-3-large/voyage/BGE
text-embedding-3-large、Voyage、BGE 中文向量模型在 RAG 场景的实测对比，含召回率、速度、维度、价格与中转配置。
-
LlamaIndex 中文 RAG 完整教程
用 LlamaIndex 在国内构建 RAG 系统的实战教程，含文档加载、index 构建、查询、Agent、与 LangChain 的对比。
-
中文 RAG 工程实战：从分块到 Rerank 完整流程
中文 RAG 系统的工程实战指南，含文档解析、chunk 策略、embedding 选择、向量库、检索、rerank、生成全流程。
-
2026 向量数据库对比：Chroma/Qdrant/Milvus/pgvector
主流向量数据库横向对比：性能、规模、运维、成本、集成、混合检索能力，给中文 RAG 场景的选型建议。