在RAG技术中，检索与召回是关键环节。本文深入剖析了检索的多重机制，包括关键词、向量、知识图谱检索，并探讨了影响RAG系统性能的核心工程指标，助力企业级检索架构的优化。
在上一期中，我们拆解了知识库构建的底层逻辑。本篇将进入RAG中最关键、最影响最终结果、也最容易被低估的部分：检索（Retrieval）与召回（Recall）。
在RAG中，模型不是在回答你的问题，而是在回答它所“看到的内容“，而这些“可见内容”完全由检索阶段决定。因此：
检索错→模型必错
检索不全→模型回答不完整
检索太多→噪声淹没关键信息
检索太慢→系统不可用
检索不是一个动作，而是一整套召回体系（RecallSystem）。
一、检索不是一个动作，而是“候选内容召回体系”
很多人理解的检索是“向量搜一下”“BM25匹配一下”，但真实情况远比这复杂。在RAG中，检索系统需要同时满足：
找到应该找的（召回率Recall）、
排除不该找的（准确率Precision）、
控制返回数量（Top-K）、
保证延迟足够低（Latency）、
保证chunk切分合理（ChunkStrategy）、
兼容不同检索方式（Sparse/Dense/Graph）
检索真正的目标不是找到答案，而是：构建一个“大概率包含答案的候选集合”。
（具体名词解释在第三章）
二、检索方式的底层机制
为了让读者更容易理解，我们统一采用一个示例问题：“RAG技术如何减少幻觉？”
下面对三种检索方式从“底层机制→具象例子→失败原因→解决方案”做系统讲解。
2.1关键词检索（SparseRetrieval）：基于词项的离散空间匹配
底层机制
关键词检索（如BM25）的数学本质是：将文本表示为高维稀疏向量，通过词项重合度与IDF进行评分。
它擅长处理：专有名词、技术概念、术语非常明确的领域（法律、API文档）
例如BM25的计算：
具象示例
用户问：“如何减少模型幻觉？”
文本A写：
“RAG通过知识库降低幻觉风险。”
→匹配成功文本B写：“提高事实性可减少错误内容。”
→因未出现“幻觉”二字→匹配失败
Sparse检索完全依赖词项重叠，因此表达方式变化会导致召回失败。
为什么会失败？（底层原因）
1.不理解同义词
2.不理解语义
3.用户表达方式与文档表达方式不一致
4.内容语言风格差异大
解决方案
1.QueryExpansion（同义词扩展）
2.Sparse+Dense混合检索3.构建领域术语词典
2.2向量检索（DenseRetrieval）：embedding构建连续语义空间
底层机制
向量检索依赖embedding模型将文本压缩为向量：距离近=语义相似；距离远=语义不同。
embedding的核心是“语义压缩”，它不看字面，而是看价值密度最高的语义特征。
具象示例
“减少幻觉”embedding≈“减少错误内容”embedding→因为模型认为两者语义接近，因此能召回表达不同但语义相似的内容。
Dense会失败的根本原因（非常关键）
1.embedding会稀释关键信息：meanpooling会把所有词平均化，重要术语的权重被淹没
2.embedding的优化目标≠RAG的任务需求：它判断的是“语义是否相似”，不是“能否回答问题”
3.向量排序不稳定：相似度差距极小→Top-K排名可能随机波动，导致关键文本被漏召
解决方案
1.Cross-Encoderrerank
2.Multi-query扩展
3.更强embedding模型
4.语义分块（semanticchunking）
5.增大Top-K
2.3知识图谱检索（GraphRetrieval）：基于关系结构的推理式检索
底层机制
知识图谱由实体、关系、属性构成可计算图结构，支持多跳推理、逻辑链路扩展、邻域检索。
具象示例
图谱中可能存在：RAG→引入知识库→增强事实性→减少幻觉
用户问“如何减少幻觉”，图谱检索可直接沿路径返回结果。
为什么图谱强但难落地？
1.NER（实体抽取）成本高
2.RE（关系抽取）难
3.实体消歧复杂
4.图谱维护成本高
5.对领域理解要求高
解决方案
1.图谱+Dense融合
2.构建局部图谱（LocalKG）
3.半自动关系抽取
三、检索工程指标：RAG系统成败的关键
RAG的绝大多数错误都不是模型造成的，而是检索阶段的问题。以下五大指标是系统能否稳定的核心。
3.1召回率Recall：找到了多少应该找到的？
为什么Recall会低？
1.embedding忽略关键术语
2.chunk切得太碎或切断语义
3.Top-K排序不稳定
4.用户/文档表达差异大
5.embedding模型表达能力弱
提升策略
1.Sparse+Dense融合
2.QueryExpansion
3.提高Top-K
4.语义分块
5.更强embedding模型
3.2准确率Precision：召回内容中真正有用的比例
Dense常召回“看似相关但无用”的段落——典型语义偏差。
Why？
1.语义相似≠任务相关
2.Top-K过大噪声暴增
3.chunk过碎导致embedding歧义
提升策略
1.Cross-Encoder精排
2.控制Top-K
3.语义chunking
3.3Top-K：RAG可以调用多少内容？
K太小→Recall不够；K太大→Precision崩溃。最佳方法是：“相似度断层法（scoregap）”。
3.4检索延迟Latency：系统体验的底层硬性指标
延迟来源包括：embedding推理、ANN向量搜索、rerank、IO。
优化方式包括：GPUembedding、HNSW参数调优、缓存策略。
3.5Chunk策略：embedding的土壤决定检索效果上限
chunk切错=整个RAG崩盘。
最佳策略：语义分块（自动分段）、20–30%重叠、动态chunk、术语优先策略。
四、企业级检索架构：为什么最终都走向组合检索？
几乎所有成熟产品都采用：
Sparse（术语召回）+Dense（语义召回）+Graph（逻辑推理）→合并候选→Cross-Encoder精排→Top-K→增强（Augmentation）→生成（Generation）
这是一种“分工明确、互相补足”的架构。
五、全文总结
1.检索不是搜索，而是构建“模型可用的候选集合”。
2.召回率决定“能不能答对”，准确率决定“会不会答偏”。
3.Sparse/Dense/Graph构建的是完全不同的相似性空间。
4.Top-K是RAG效果最重要的旋钮。
5.Chunk质量决定embedding上限。
6.最终方案一定是多检索方式融合+精排。
RAG的成功，70%取决于检索，20%取决于增强，10%取决于模型。
（后续章节：增强／生成待补充……）
配资炒股首选提示：文章来自网络，不代表本站观点。
