RAG是什么？为什么知识库有资料仍可能回答错误

直接回答：RAG（Retrieval-Augmented Generation）的核心是先检索相关资料，再让模型基于检索结果生成答案。知识库“明明有资料却答错”，通常不是一个原因，而是资料没被切对、没被召回、过滤错了、排序靠后、上下文塞太多，或模型没有正确使用证据。^[1][2]

RAG链路里任何一环都可能丢信息

1. 文档解析：PDF表格/图片可能没正确抽取。
2. 切分：关键定义被拆到两个chunk。
3. 索引：embedding无法表达精确ID或专有名词。
4. 检索：query与原文词汇差异太大。
5. 过滤：权限、时间、部门条件把正确文档过滤掉。
6. 生成：检索到了，但模型仍忽略或误读证据。

为什么要混合检索

纯向量检索擅长语义相似，但对编号、产品型号、专名、错误码可能不稳定。Qdrant官方的Hybrid Search把dense语义检索与sparse/关键词检索结合，适合同时覆盖“意思相近”和“词必须精确”。

过滤和权限必须在检索阶段做

不要先全库召回再让模型“自己忽略无权数据”。部门、用户、项目、时间、版本等条件应作为metadata filter进入检索链。

给RAG做评测集

准备30—100个真实问题，每个问题标注正确来源文档。分别评估：有没有召回正确文档、正确文档排第几、最终答案是否引用正确。否则只看聊天体验，很难知道错在哪一层。

引用能显著提升可检查性

最终答案保留文档标题、段落/页码或URL，用户能快速回原文确认。无法找到证据时，系统应允许回答“资料不足”。

注意：RAG降低了“模型凭空回答”的概率，但不等于消除幻觉。检索结果和最终回答仍然需要分层评测。

资料核验日期：2026-08-09。产品功能、套餐、API、平台规则与地区可用性会变化，正式使用前请再次查看官方页面。

参考来源

1. Qdrant：Hybrid and Multi-Stage Queries（official，核验于 2026-08-09）
2. Qdrant：Filtering（official，核验于 2026-08-09）

更新记录

• 2026-08-09：完成官方/一手来源核验、结构化撰写与发布边界检查。