当前位置：首页 >专题 >RAG 知识库检索与评估实战专题

RAG 知识库检索与评估

RAG 知识库检索与评估实战专题

从文档切分、向量召回到重排、引用与安全

RAG 应用的难点不只是把文档塞进向量库，而是让正确证据稳定进入上下文，并能被评估、引用和安全地使用。本专题以真实工程故障为主线，从文档切分和向量化开始，逐步覆盖 Top-K 召回、混合检索、重排、证据门禁、评测样本和知识库安全，帮助开发者把能回答的 Demo 推进到可验证的生产链路。

官方入口与快速开始

先理解 RAG 数据流，再对照主流框架与向量检索实现

官方

LangChain RAG 官方入口

从检索、上下文组装到 Agent RAG 的官方文档入口。

官方

LlamaIndex RAG 官方概念

说明文档摄取、索引、检索和生成之间的关系。

官方

Pinecone RAG 教程

从向量数据库、Embedding 到检索增强生成的完整入门。

官方

Qdrant 混合查询文档

介绍稠密向量、稀疏向量和混合检索组合方式。

官方

Amazon Bedrock Knowledge Bases

查看托管知识库、检索、重排、引用和权限能力。

官方

AWS RAG 工作原理

解释切块、Embedding、向量索引、查询和上下文增强。

官方

Azure AI Search RAG 指南

覆盖经典 RAG、混合查询、语义排名、引用和 Agentic Retrieval。

官方

OWASP LLM Prompt Injection 防护

覆盖 RAG poisoning、间接注入、最小权限和人工确认。

站内 RAG 工程实战

从答非所问到可评估、可引用、可审计的知识库

文章

RAG 召回评估实战：用向量检索和重排序减少答非所问

覆盖文档切分、向量化、Top-K、混合检索、重排和 Recall@K 等指标。

文章

AI 知识库检索不到答案排查：从分块到重排的 RAG 修复流程

按故障现场排查切块、元数据、混合召回和重排问题。

文章

AI 知识库回答跑偏怎么办：RAG 检索、重排和引用检查完整流程

围绕问题改写、向量检索、重排过滤和引用回答梳理完整链路。

文章

RAG 答非所问怎么排查：从切块、向量到召回上下文

拆解切块、向量、top-k、混合检索、上下文长度和复查问题。

文章

RAG 应用答错怎么复盘：检索命中、证据门禁和评测样本怎么补

从日志、文档版本、相似度、引用和证据门禁建立复盘流程。

文章

RAG 知识库怎么防提示词注入：外部文档只能当资料，不能当指令

围绕 RAG poisoning、工具权限、来源标记和人工确认建立安全边界。

文章

Golang集成Milvus/Weaviate指南

介绍 Go 接入 Milvus、Weaviate 等 AI 向量数据库的基础路径。

文章

Ollama模型本地部署接入Dify教程

演示本地模型、Embedding 和 Dify 知识库连接时的配置与排错。

常见问题

从能检索到能上线，回答 RAG 最容易混淆的四个问题

RAG 为什么不能只靠换更大的模型解决？

如果正确文档没有进入上下文，模型规模无法弥补检索缺失；应先记录 query、命中片段、分数和引用，再判断问题发生在切块、Embedding、召回、重排还是生成。

向量检索和关键词检索应该怎么组合？

向量检索擅长语义相似，关键词检索擅长产品名、编号、错误码和精确短语；生产场景通常先并行召回，再用加权融合或 RRF 合并，最后根据评测集调权重。

RAG 评测至少要记录哪些指标？

建议建立带标准来源的问题集，记录 Recall@K、MRR 或 nDCG、答案引用是否支撑结论、拒答是否合理、延迟和成本，并保留失败样本与文档版本。

知识库里的文档为什么不能直接当作指令？

网页、PDF、邮件和用户上传内容都应视为不可信资料，只能作为回答依据；工具清单、参数校验、资源权限和高风险动作确认必须由服务端固定策略控制。