引言

RAG（检索增强生成）是企业AI应用的基础，但很多企业的RAG效果不理想：

• 检索不到相关文档（召回率低）
• 检索到但不相关（准确率低）
• 答案质量差（生成效果不好）

极智词元在优化数百家企业RAG系统的过程中，总结了10招实用技巧。

---

一、先看一组数据（优化前后对比）

极智词元某客户优化前后：

指标	优化前	优化后	提升
召回率（Top-5）	60%	90%	+30%
准确率	70%	95%	+25%
答案满意度	60分	90分	+30分

---

二、第1招：文档预处理（最基础也最重要）

1.1 为什么需要预处理？

原始文档问题：

• 格式混乱（Word、PDF、PPT混在一起）
• 有很多噪音（广告、页眉页脚、重复内容）
• 结构不清晰（没有标题、分节）

1.2 极智词元文档预处理流程

原始文档
  │
  ▼
文档解析（提取文本）
  │
  ▼
格式规范化（统一格式）
  │
  ▼
噪音去除（去广告、去页眉页脚、去重）
  │
  ▼
结构解析（提取标题、分节）
  │
  ▼
预处理完成

1.3 代码示例（极智词元简化版）

from langchain.document_loaders import (
    PyPDFLoader,
    Docx2txtLoader,
    TextLoader
)
from langchain.text_splitter import RecursiveCharacterTextSplitter

def load_and_preprocess_document(file_path):
    # 1. 加载文档
    if file_path.endswith('.pdf'):
        loader = PyPDFLoader(file_path)
    elif file_path.endswith('.docx'):
        loader = Docx2txtLoader(file_path)
    else:
        loader = TextLoader(file_path)
    
    documents = loader.load()
    
    # 2. 分块
    text_splitter = RecursiveCharacterTextSplitter(
        chunk_size=1000,
        chunk_overlap=200
    )
    
    chunks = text_splitter.split_documents(documents)
    
    return chunks

---

三、第2招：分块策略优化（不是越大越好，也不是越小越好）

2.1 分块策略对比

分块大小	优点	缺点	适用场景
小（<500）	检索精准	上下文不足	FAQ、简单问答
中（500-1500）	平衡	平衡	通用场景
大（>1500）	上下文完整	检索可能不相关	长文档、摘要

2.2 极智词元推荐分块策略

text_splitter = RecursiveCharacterTextSplitter(
    chunk_size=1000,    # 推荐：1000
    chunk_overlap=200,  # 推荐：20%重叠
    separators=["\n\n", "\n", "。", "！", "？", " ", ""],
)

---

四、第3招：向量化模型选择（中文 vs 英文 vs 多语言）

3.1 向量化模型对比

模型	语言	维度	特点
OpenAda	中英	1536	质量高，推荐
Qwen-Embedding	中英	1536	阿里开源，中文好
BGE	中英	1024	智源开源，中文好

3.2 极智词元建议

• 中文为主：Qwen-Embedding / BGE
• 中英混合：OpenAda / Qwen-Embedding
• 英文为主：OpenAda

---

五、第4招：混合检索（语义检索 + 关键词检索）

4.1 为什么混合检索？

语义检索问题：

• 对专有名词、精确匹配可能不如关键词检索
• 某些场景召回率不足

关键词检索问题：

• 不理解语义
• 同义词、变体匹配不好

4.2 极智词元混合检索方案

用户提问
  │
  ├──────────────┐
  │              │
  ▼              ▼
语义检索      关键词检索
  │              │
  └──────┬───────┘
         │
         ▼
结果融合（Rerank）
         │
         ▼
返回Top-K文档

---

六、第5-10招：快速一览

招式	说明	预期提升
第5招	重排序（Rerank）	准确率+10%
第6招	查询扩展（Query Expansion）	召回率+15%
第7招	提示词工程（Prompt Engineering）	答案质量+20%
第8招	元数据过滤（Metadata Filter）	准确率+10%
第9招	缓存优化（Cache）	速度+50%
第10招	反馈闭环（Feedback Loop）	持续优化

---

总结

企业级RAG系统优化10招：

1. 文档预处理（基础）
2. 分块策略优化（平衡）
3. 向量化模型选择（合适的）
4. 混合检索（语义+关键词）
5. 重排序（Rerank）
6. 查询扩展
7. 提示词工程
8. 元数据过滤
9. 缓存优化
10. 反馈闭环

想让你的RAG系统效果更好？联系极智词元！

---

作者： Mia
极智词元首席创意官
专注于企业级RAG系统优化