如何系统地提升 RAG 的召回质量？

面试时怎么答

别用“换更大的 Embedding”概括答案。先建立真实问题与证据的评测集，再沿解析切块、查询理解、多路召回、融合重排、上下文打包逐层优化；每次只改一层，才能知道增益来自哪里。

面试官可能要求给优先级。此时先查零召回和数据问题，再处理排序，最后才调生成；因为生成模型无法使用没有进入上下文的证据。

可以这样答：

提升 RAG 召回质量要先有带证据标注的真实查询集，再定位瓶颈。文档侧检查解析、Chunk 和元数据；查询侧处理指代、改写与多意图；召回侧组合 BM25 和向量检索；候选充足后再用重排模型压低噪声。参数应通过分桶实验调整，并同时看 Recall@K、MRR、最终答案正确率和延迟。若相关文档根本没被召回，单改 Prompt 或生成模型不会解决问题。

核心回答

这是一道系统排查框架题。先建立可复现的评估集，把问题拆成“该召回的内容是否被找到”和“无关内容是否被过滤”。然后依次检查文档解析与切分、Query 改写、稀疏与稠密混合检索、元数据过滤，以及 Rerank。每次只改变一个环节，用 Recall@K、MRR、nDCG 和端到端答案正确率判断收益。

展开说明

可以按以下顺序排查：

数据质量：解析是否丢失表格、标题和层级关系，文档是否过期或重复。
切分策略：Chunk 是否包含完整语义，大小和重叠是否适合业务文本。
Query 处理：补全指代、拆解多跳问题、生成多个检索表达。
召回策略：组合 BM25 和向量检索，针对专有名词保留关键词能力。
排序与过滤：用元数据缩小范围，再用 Cross-Encoder 或 LLM Rerank。
上下文组装：去重、合并相邻片段，把最相关证据放在更有效的位置。

工程实践

不要一开始就更换 Embedding 模型。很多召回问题来自解析错误、Chunk 粒度不当或评估集缺失。先建立错误分类表，通常比盲目调参更快找到瓶颈。

常见追问

Chunk 越小，召回效果一定越好吗？ 不一定。小块的主题更集中，却可能丢标题、定义和条件；应同时评估命中率与片段是否足够回答，而非只看相似度。
混合检索的分数如何融合？ 可用 RRF 按排名融合，或在验证集上校准各路分数后加权；权重应按查询类型和端到端指标选择。
如何构造没有人工标注的评估集？ 可从文档生成问题与引用作为弱标注，再做去重、难负例构造和人工抽检；最终仍需一小批真实查询黄金集防止合成偏差。

一句话复习

优化 RAG 要先评估和归因，再按数据、Query、召回、重排的链路逐层改进。

参考资料

面经主题：Datawhale 真实面试题中的 RAG 检索质量题
技术依据：Retrieval-Augmented Generation、Passage Re-ranking with BERT、BEIR、Azure RRF 与混合检索