
RAG 检索对了答案却跑偏?重排(Rerank)这一层该补上了
明明召回了对的文档,模型答案却仍然跑偏。问题常出在「召回了但没排好序」。本文讲清重排模型在 RAG 链路中的位置、主流选型与落地调参。

明明召回了对的文档,模型答案却仍然跑偏。问题常出在「召回了但没排好序」。本文讲清重排模型在 RAG 链路中的位置、主流选型与落地调参。

RAG 效果不理想,八成问题出在数据准备阶段。本文聚焦文档解析与切片这两步,梳理常见工具路线与质量检查清单,帮你把“垃圾进垃圾出”挡在检索之前。

做 RAG 绕不开向量检索。pgvector、Qdrant、Milvus 分别代表“数据库插件、轻量专用、分布式大规模”三条路线,按数据规模和团队能力选,比追新更重要。

做搜索、做知识库,效果好不好很大程度取决于 Embedding。榜单第一名不一定适合你——本文给你四个真正该看的维度。

大多数 RAG 失败都是检索失败。切分、混合检索、元数据过滤、评测集——前四步解决的问题比加循环多得多。