RAG 问题检验

1. 为什么"三路检索"比"一路"好？检索方式强项弱项语义（Milvus）

字数: 494 | 语雀原文

---

为什么"三路检索"比"一路"好？

检索方式	强项	弱项
语义（Milvus）	同义词、模糊语义	专有名词、数字
关键词（ES）	精确匹配、专有名词	同义词、口语化问题
知识图谱（Neo4j）	实体关系、间接相关	抽取错就拉胯

它们的强项弱项几乎完美互补。"单路检索是偏科生，三路混合检索是全科生——每种方式的短板都被其他方式补齐，整体召回率和准确率显著提升

​

为什么要切块？切多大？

• LLM 上下文窗口有限：哪怕 200k 的 Claude，塞整本 50 万字的书也塞不下，且越长越贵。
• 检索粒度越小越精准：一段 200 字只讲一件事，向量化后语义集中；一段 8000 字讲了 ABC 三件事，向量被"平均"掉，问 A 时也召回不到这页。
• 但太小会失去上下文：「它」指代谁？「这种方法」是哪种？所以才要 small-to-big——小块命中、大块给上下文。

什么是 RRF（Reciprocal Rank Fusion）？

一种合并多个检索器结果的算法。公式：score(d) = Σ wᵢ / (k + rankᵢ(d))。

​

什么是 BM25？

• TF（词频）：词在文档里出现越多越相关——但有饱和（出现 100 次和 200 次差不多）。
• IDF（逆文档频率）：在全库越罕见越值钱（"the/of"这种几乎没分）。
• 文档长度归一：长文档不能凭"啥都提到一点"刷分。 ​

为什么父块不向量化 只有子块需要向量化？

KG 异步写失败，但主流程返回成功，检索时召回老数据 如何解决？