基于这篇论文提出的7个RAG痛点（FP1-FP7），我们逐一拆解应对策略🔧，不管是日常使用还是工程落地，都能直接参考～✅

✅ 1：缺失内容（Missing Content）❌

核心问题：📌 原本的文本中就没有问题的答案（最基础的信息缺口）

解决方案：🔍

•扩展知识源 📊：确保索引的数据集尽可能全面，覆盖相关领域权威资料，定期更新数据源保持时效性。

•增强检索能力 🔎：采用更强大的检索器（如多模态检索、混合检索），或结合BM25+向量检索等多种策略。

•引入外部知识 🗂️：搭配知识图谱或其他结构化知识库，补充文档中缺失的关键信息。

•明确告知未知 🚫：无法从检索内容中找到答案时，直接告知用户“信息不足”，避免输出错误内容。

•优化Prompt设计 ✍️：通过Prompt引导大模型，在找不到答案时输出“根据当前知识库，无法回答该问题”，倒逼模型承认局限，提升透明度。

✅ 2：未返回高排名文档（Missed the Top Ranked Documents）🔢

核心问题：📌 检索时错过排名靠前、相关性最高的文档，导致答案偏差

解决方案：🔧

•优化检索器 ⚙️：改进检索算法，采用更先进的嵌入模型，或搭配复杂重排序（Re-ranking）模型，提升相关文档召回率。

•调整检索参数 🔩：优化K值等核心参数，确保足够数量的相关文档被检索，设置相关性最低阈值，不遗漏高相关低排名文档。

•人工反馈迭代 🔄：建立用户反馈机制（点击率、满意度），持续优化检索模型和排序逻辑。

•评估与监控 📈：定期用Recall@K、NDCG等指标评估检索效果，实时监控检索质量。

✅ 3：上下文整合策略不当（Not in Context - Consolidation strategy）🧩

核心问题：📌 提取的上下文与用户问题无关，相当于“无效检索”

解决方案：🔍 本质是FP1（内容缺失）或FP2（未返回高排名文档）的具体体现，优先解决前两个痛点即可缓解。

✅ 4：未能提取（Not Extracted）📤

核心问题：📌 检索到的上下文中包含答案，但大模型未能成功提取，白白浪费有效信息

解决方案：🔧

•提示压缩技术 🗜️：应对LLM输入长度限制，减少Prompt大小的同时，完整保留核心信息和意图，提升提取效率、降低成本。

✅ 5：格式错误（Wrong Format）📝

核心问题：📌 输出格式不符合需求（如需要JSON却输出字符串），无法直接复用

解决方案：🔧

•明确格式要求 📋：在Prompt中清晰指定期望格式（表格、列表、JSON等），使用模板化Prompt提升准确率。

•约束生成 🛡️：利用LLM格式控制功能，或在后处理阶段强制转换输出格式。

•格式验证修复 🔍：添加简单验证器，输出后检查格式正确性，错误时重新生成或修复。

•结构化Prompt 🧩：设计结构化Prompt，引导LLM按指定方式组织信息，减少格式偏差。

✅ 6：不正确的具体性（Incorrect Specificity）📏

核心问题：📌 答案要么过于笼统、缺乏细节，要么过于繁琐、抓不住重点

解决方案：🔧

•细化用户意图 🧠：通过用户画像、历史对话，精准把握用户需求和背景，匹配合适的回答粒度。

•调整检索粒度 📐：按需调整文档分块大小，细节需求用细粒度文档，概览需求用宏观总结。

•定制化生成 🎨：在Prompt中加入角色或具体性要求（如“用高中生能理解的方式解释”）。

•多层级信息 📚：提供不同抽象层次的信息选项，让用户自主选择所需具体程度。

•后处理筛选 🚪：输出前按预设规则，筛选调整内容抽象级别，确保贴合需求。

✅ 7：回答不完整（Incomplete）🧩

核心问题：📌 仅回答用户问题的一部分，遗漏关键信息，影响使用体验

解决方案：⚠️ 本质是RAG的幻觉衍生问题，目前暂无最优解决方案，需结合前6个痛点的优化，间接降低不完整概率。

💡 总结：RAG的7大痛点核心集中在“信息获取-检索-提取-输出”四大环节🔄，优先解决1、2两个基础痛点，能大幅提升整体效果🚀，其余痛点可按需逐步优化～✅

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】