RAG 实战：从文档切分到可验证回答

一、先定义检索边界

RAG 不是把所有文档塞进提示词。先确定允许纳入的来源、更新频率、访问权限和文档版本，并为每个片段保留来源标识。

二、切分文档并保留上下文

优先按标题、段落和列表切分，避免把步骤拆散。每个片段至少保留文档名、章节、版本或更新时间等元数据。

chunk = {
    "text": "...",
    "source": "docs/guide.md",
    "section": "Authentication",
    "version": "placeholder"
}

示例中的版本值是占位符；生产数据应来自真实文档元数据。

三、检索和生成分开评估

1. 先检查正确文档是否出现在 Top-K 结果中。
2. 再检查模型是否只使用检索到的证据。
3. 对没有证据的问题要求明确说明“资料不足”。
4. 对权限受限文档在检索层过滤，而不是生成后再隐藏。

四、回答必须带引用

回答应返回来源标题、章节或稳定链接。引用不能只写一个模糊的“知识库”，否则用户无法复核。

五、最小测试集

• 答案直接存在于单个文档。
• 答案需要跨两个文档综合。
• 问题使用同义词或不同表述。
• 文档中没有答案，系统应拒答。
• 用户试图访问无权限文档。
• 文档版本更新后，旧答案不应继续被优先召回。