RAG 知识库问答效果差？先检查切块、召回和上下文污染

很多团队做 RAG 知识库问答，第一版效果差时会立刻换模型、换向量数据库、换 embedding。其实大多数问题不在模型，而在文档切块、召回策略、上下文拼接和答案校验。模型只是最后一环，前面任何一步做错，最后都会表现成“模型胡说”。

如果你的知识库问答经常答非所问、找不到资料、引用错文档、或者回答看起来很自信但和原文不一致，先不要急着调 prompt。按下面这个流程查。

先确认问题属于哪一类

RAG 失败不是一种问题，而是一串问题。先分类，才能排查。

表现	可能原因
答案完全无关	召回错文档
答案缺关键细节	切块太粗或召回数量不够
答案引用错来源	chunk 元数据或引用拼接错
答案编造内容	prompt 没限制来源，或上下文不足
答案重复啰嗦	召回 chunk 重复，去重不足
答案前后矛盾	多版本文档混在一起

不要只看最终回答。RAG 排查必须把中间结果打印出来：用户问题、召回 chunk、分数、来源、拼接后的上下文和最终回答。

文档切块是第一道坑

切块不是把文档按固定长度切开这么简单。切块方式决定模型能不能拿到完整语义。

常见错误有：

• 按固定字符数硬切，打断标题和段落；
• chunk 太大，召回后上下文噪声太多；
• chunk 太小，答案需要的信息被拆散；