RAG 的匹配规则是什么？

核心回答

RAG没有唯一的“匹配规则”，检索策略取决于数据和问题。向量检索按表示相似度找语义接近片段，关键词检索按词项与统计匹配，元数据过滤限定对象、时间、版本和权限；混合检索可以组合多个候选来源，再重排并选择真正支撑回答的证据。

匹配成功不是“分数超过某个统一阈值”。应看是否找到正确对象、满足问题条件且包含所需信息；相似主题的段落可能仍回答不了问题。

向量匹配怎样发生

入库时用文档编码器生成片段向量；查询时按模型要求编码问题，在兼容的向量空间中按余弦、内积或距离检索。查询与文档可能使用不同指令或编码入口，但必须来自配套模型与配置，不能仅因维度相同就混用。

精确搜索比较全体合法候选；近似索引减少搜索范围以提高效率，可能漏掉真实近邻。相似度衡量表示关系，不等于事实正确、权限通过或完整回答的概率。

词项和业务条件怎样配合

“E1027如何处理”包含明确标识符，可优先精确字段或关键词索引；“为什么总是登录失败”则更需要语义和上下文。BM25会考虑词频、稀有程度与长度，中文分词、字段和领域词典都影响匹配；它也不自动保证命中的是正确产品版本。

先确定用户、知识库及允许访问范围，应用租户、产品、时间和版本等硬条件。条件提取有歧义时补齐可靠上下文，而不是偷偷放宽权限换取更多结果。

从候选到答案还有哪些步骤

合并去重后，可用RRF融合或经过校准的分数加权；重排进一步比较查询与候选的对象、关系和条件。最终按token预算组装完整证据，必要时补邻近内容，并让结论对应来源。

没有找到证据时，区分资料不存在、没入库、检索遗漏和过滤不当，再决定补查、澄清或说明缺口。不能把“向量库返回了几条”视作已经匹配正确。

怎样验证规则合适

用精确实体、语义改写、多条件、版本冲突和无答案问题做对照，分别看证据召回、排序和最终回答。保留单路基线，针对实际失败决定加词项、换编码、调索引还是修切分，而不是把所有问题都归结为阈值。

对应教程

参考资料