大模型应用开发 / 知识点

RAG 检索召回与评估指标速查

语料与索引准备

供 RAG 检索的原始知识集合,可以来自 Wiki、技术文档、数据库导出或代码资料;语料质量、时效性和完整度会直接限制后续检索效果。

Corpus 语料库

Corpus 是供 RAG 检索系统使用的原始知识集合,决定系统“能检索到什么”,其覆盖范围、准确性、时效性和完整度会直接影响最终回答质量。

成立边界

Corpus 关注的是整个可检索知识集合,不是其中某一篇文档或某一个 Chunk。Wiki、技术文档、数据库导出、代码资料等都可以成为语料来源,但只有经过整理并纳入检索管道的内容,才属于实际使用的 Corpus。

语料库需要明确范围和版本边界。例如只收录某个产品的当前版本文档,可以避免旧版本内容进入检索结果;同时还要处理重复、过期、错误和权限不应暴露的内容。

与相邻概念的区别

概念 关注范围 主要作用
Corpus 整体知识集合 决定系统可检索的知识边界
Document Corpus 中的逻辑内容单元 承载一篇文章、页面、文件或记录
Chunk Document 拆分后的检索单元 参与向量或关键词检索并返回上下文

三者通常形成“Corpus → Document → Chunk”的组织关系。Corpus 太杂或缺失关键资料时,仅优化 Chunk 切分或召回算法也无法弥补知识覆盖不足。

最小例子

一个售后问答 RAG 系统收录产品手册、故障排查文档和版本发布说明,这三类资料合起来可以构成 Corpus。其中一份《路由器故障排查》是一个 Document,拆出的“无线连接异常”片段则是 Chunk。

常见误解

常见误解是把“向量数据库中的全部记录”直接等同于 Corpus。实际 Corpus 更强调业务上允许被检索的知识全集;向量库只是存储和检索这些知识的一种实现。

查询与召回

重排与上下文组织

目录与阅读设置

记录一个想法

RAG 检索召回与评估指标速查

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通