跳到主内容
智客 ZICQ

智客百科 AI 概念

检索增强生成 (RAG)

AI 概念
别名: RAG Retrieval-Augmented Generation 检索增强 ·2026-10-10

检索增强生成 (RAG)

检索增强生成(Retrieval-Augmented Generation,简称 RAG)是一种将外部动态知识库检索与大语言模型生成能力深度耦合的系统架构。通过在模型回答前从权威文档库中动态召回相关上下文,RAG 将大模型的“参数化记忆(Parametric Memory)”与外部知识库的“非参数化记忆(Non-parametric Memory)”有机结合,有效缓解大模型的事实幻觉、知识过期与私域数据黑盒问题。


范式演进:Naive RAG 到 Modular RAG

从系统设计架构来看,RAG 经历了三个发展阶段:

[Naive RAG (朴素三段论)]
用户查询 ──► 向量检索 ──► 粗暴拼接 Context ──► LLM 生成 (高噪声、易幻觉、召回低)

[Advanced / Modular RAG (现代模块化架构)]
            ┌────────────────── 用户查询 ──────────────────┐
            │                                             │
      [查询改写与扩展]                               [路由与意图识别]
   (HyDE / Multi-Query)                                   │
            │                                             │
      [多路混合检索] ◄─────────────────────────────────────┘
  (稠密向量 + BM25 稀疏词法)
            │
      [倒排互惠融合 RRF]
            │
      [交叉编码器重排 Rerank] ──► [上下文压缩与证据重排 (Anti-Lost-in-Middle)]
                                                │
                                                ▼
                                   [动态 Prompt 注入与引用生成]
                                                │
                                                ▼
                                    [LLM 生成 + 事实自检纠错]
  1. Naive RAG(朴素 RAG):仅包含“分块 $\rightarrow$ 向量化 $\rightarrow$ Top-K 召回 $\rightarrow$ 拼接生成”。痛点在于检索精度受限、向量假阳性干扰严重、上下文窗口充满无关冗余信息,且无法应对复杂的跨文档多跳推理。
  2. Advanced RAG(高级 RAG):引入检索前(Pre-retrieval)的查询重写与语义分块、检索后(Post-retrieval)的重排与上下文压缩,显著提升信噪比。
  3. Modular RAG(模块化 RAG):将检索、重排、改写、路由、验证等能力解耦为可插拔的编排算子,支持动态路由(判断是否需要检索)、迭代检索(Iterative Retrieval)与自省反思循环(Self-RAG)。

模块化流水线端到端解构

1. 预检索阶段 (Pre-Retrieval)

  • 高级分块策略(Chunking):摒弃机械的固定字符截断,采用语义分块(Semantic Chunking)或父子文档分块(Parent-Document / Small-to-Big Retrieval):
    • 子块(Child Chunks,如 128 Tokens):高信息密度切片,用于计算向量嵌入并在向量库中精准匹配;
    • 父块(Parent Document,如 1024 Tokens):当子块被击中时,向生成模型实际提供包含完整段落上下文的父块,避免语义碎片化。
  • 查询重写与增强 (Query Rewriting):
    • HyDE (Hypothetical Document Embeddings):令大模型先针对问题生成一段假想的虚构回答,再将该假想回答转换为嵌入向量进行相似度召回。由于假想回答与目标知识库在文本形态和篇幅上高度一致,能有效抹平短查询与长文档之间的非对称语义差距。
    • Multi-Query 展开:将复杂、模糊的用户输入分解为多个不同角度的具体子查询,并发检索后汇总候选集。

2. 检索与融合阶段 (Retrieval & Fusion)

单纯依赖向量检索极易遗漏精确专有名词、错误代码和缩写。生产级 RAG 必须采用混合检索(Hybrid Search):

  • 双通道召回:并发执行基于 BM25 的倒排词法检索通道与基于向量索引的稠密语义检索通道。
  • 倒排互惠排名融合 (RRF, Reciprocal Rank Fusion): 由于 BM25 分数(未归一化浮点)与向量余弦相似度处于完全不同的物理量纲,直接线性加权极易受极值扭曲。工程标准采用 RRF 算法无偏合并两路结果:

$$RRF_{\text{score}}(d) = \sum_{m \in M} \frac{1}{k + r_m(d)}$$

其中 $M$ 为检索通道集合(如词法通道与向量通道),$r_m(d)$ 为文档 $d$ 在通道 $m$ 中的排序位次(从 1 开始),$k \approx 60$ 为平滑常数。RRF 仅依赖相对名次,平滑了不同检索器的分数离群效应。

3. 后检索阶段 (Post-Retrieval)

  • 交叉编码器重排 (Cross-Encoder Rerank):从 RRF 合并出的前 50100 个候选中,使用深度交互的重排模型精选 Top 35 个证据片段。
  • “迷失在中间”防御 (Anti-Lost-in-the-Middle):大模型对长上下文的注意力遵循 U 型分布(首部与尾部注意力极高,中部严重塌陷)。在向 Prompt 拼接多个证据段落时,应采用“最关键证据置于最前与最后,次要证据置于中间”的重排布局。

4. 生成与溯源阶段 (Generation & Attribution)

  • 结构化引用与锚点生成:Prompt 必须要求模型在引用具体事实时标注段落编号(如 [Doc-1]),并附带对应的数据源链接与锚点。
  • 防幻觉拒答约束:严格注入负向边界提示词(“当且仅当提供的参考上下文包含足够事实时作答;若上下文未提及,请明确回复‘依据现有知识库无法得出结论’,严禁自行推测与编造”)。

评估体系:RAG 三元组与 Ragas 指标

评估 RAG 系统不能仅看端到端回答的文字流畅度,必须将检索质量与生成质量解耦拆解。业界普遍采用 **RAG 三元组(RAG Triad)**量化评估模型:

                ┌────────────────── 用户查询 (Query) ──────────────────┐
                │                                                     │
         Context Relevance                                     Answer Relevance
         (上下文相关度)                                         (回答切题度)
                ▼                                                     ▼
    检索上下文 (Context) ══════════════════════════════════════► 最终回答 (Answer)
                               Faithfulness / Groundedness
                               (事实忠实度 / 抗幻觉性)
  1. Context Relevance (检索相关度 / 信噪比): $$\text{Context Relevance} = \frac{|\text{检索上下文中与查询直接相关的关键语句}|}{|\text{检索召回上下文的全部语句总数}|}$$ 衡量检索流水线是否足够精准,有无混入大量无关废话稀释模型注意力。
  2. Faithfulness / Groundedness (真实性与忠实度): $$\text{Faithfulness} = \frac{|\text{模型回答中能由检索上下文直接推导的事实主张数}|}{|\text{模型回答中包含的全部事实主张总数}|}$$ 衡量模型是否严格遵循参考证据,是量化幻觉率的核心指标。
  3. Answer Relevance (回答相关度): 衡量最终回答是否完整回应了用户初始问题的核心意图,避免答非所问或因防御提示过度拒答。

借助 Ragas、ARES 等自动化评估框架,可用高阶模型(如 GPT-4o)作为裁判,对测试集批量打分并计算相关系数,辅助持续回归测试。


架构边界与生产落地决策

1. RAG 与模型微调 (Fine-Tuning) 的选型矩阵

对比维度 检索增强生成 (RAG) 模型微调 (Fine-Tuning / PEFT)
知识更新时效 实时更新,毫秒级注入/修改/软删除 静态,需重新准备训练集并微调部署
可解释性与溯源 极高,提供精确可追溯的原文引用链接 极低,知识固化在神经网络权重中
幻觉抑制效果 优秀,通过强上下文证据与拒答提示约束 有限,模型依然倾向以概率输出假事实
核心适用场景 接入动态知识库、企业文档检索、私有制度问答 改变模型行为、特定语法输出、垂直行业术语口吻、代码风格

最佳实践原则:需要“注入新知识与事实”时选 RAG;需要“教会模型特定的行为模式、指令遵循或输出格式”时选微调。在复杂企业场景中,通常先微调模型提升指令与引用格式遵循能力,再由 RAG 提供动态事实知识。

2. 企业级落地硬性约束

  • 访问权限与行级安全 (RLS):切勿寄希望于在 Prompt 中加入“不要透露机密信息”来防范数据泄露。权限控制必须在检索前(Pre-retrieval)或向量库过滤层落实(基于用户的角色权限过滤文档元数据)。
  • 版本归档与软删除:知识库文档发生变更时,向量数据库中的陈旧分块必须同步软删除或失效标记,否则新旧冲突版本同时被召回将引发严重的逻辑混乱。

参考资料与权威文献