什么是检索增强生成(RAG)?

检索增强生成(RAG)不是一个模型,而是一条把检索接在生成前面的链路:先从外部文档里找出与问题相关的片段,再把这些片段连同问题一起交给大模型组织成回答。它的价值在于让模型的答案建立在可追溯的资料上,而不是完全依赖参数里的记忆。但这条链路对内容有很硬的要求——文档切分方式、向量与提问的匹配方式、上下文的容量限制,任何一环不合适,页面写得再好也进不了答案。理解这三个失败点,是动手改内容的前提,也是内容团队与检索团队对话的共同语言。

RAG 的两段链路:召回与生成各自负责什么

RAG 由两段组成,两段的分工完全不同,对内容的要求也不同。

第一段是检索召回。文档库先被切成若干文本块,每块转成向量建立索引;用户提问时,问题也被转成向量,用相似度找出最相关的若干块,按相关度排序后取出。

第二段是生成。取回的文本块连同原始问题、系统指令一起进入模型,模型基于这些材料组织出答案,并在可能的情况下标注来源。

把两段拆开看,有一个对内容工作非常关键的结论:决定"你的哪句话能进入模型视野"的,是第一段的召回,而不是第二段的能力。第二段再强,也只能在被送进去的材料范围内组织答案;材料没被召回,内容写得再好也等于不存在。而召回环节完全由文档的组织方式决定——这正是内容侧能够施加影响的地方。

链路环节做什么内容侧能影响什么出问题时的表现
切块与索引把文档拆成块并建立向量索引HTML 结构、标题层级、段落完整性该被召回的块没进候选
相似度检索用问题向量匹配最相关的块术语写法、同义表达、上下位词覆盖召回了相近主题但答非所问的块
重排与截断排序后取前若干块进入上下文信息密度、重复度、结论位置关键块被挤出或被冗余块占位
答案生成基于取回的材料组织答案句子的可摘句程度、事实密度答案含糊、引用不到具体句子

失败点一:切块不当造成的语义断裂

切块是RAG链路里对内容影响最直接的一步,切法不合适,损失在后面几步无法弥补。

块切得太大,相关信息被噪声稀释。如果一块包含一千多字,检索到它时真正切题的只有其中两三句,剩下的内容一起进入上下文,占掉了本可以用来放别的证据的位置,同时增加了生成环节被无关表述带偏的可能。

块切得太小,句子失去主语和限定条件。"每台设备出厂前需完成八小时空载测试"单独成块之后,主语是谁、什么设备、什么条件下适用都不明确。检索时它可能匹配到"测试流程"这类查询,但被拿去回答"XX设备参数是多少"时就派不上用场。片段化本身不会让内容失去价值,前提是每个片段能独立读懂。

切块忽略HTML结构,把该在一起的内容拆开。常见的破坏方式有三种:标题与它下面的正文分到不同的块,导致片段里只有标题没有内容;表格被从说明文字里切走,剩下的表头与数据对不上号;有序列表被打散成互不相关的短句。对应的解法也很直接:标题跟随其下的内容、表格不跨块拆分、列表整体保留。这三件事在页面模板层面就能统一处理,不需要改动内容团队的工作方式。

失败点二:向量表示与真实提问分布不匹配

向量模型在建立索引时看到的是文档语料——书面、规整、用词专业;而它在使用时被拿来匹配的是用户提问——口语化、简短、带着具体场景。两套文本的分布不同,同一个意思在两侧的写法可能差很远。

典型的术语鸿沟是这样的:文档里写"螺杆式压缩机的工作原理与选型要点",用户问"压缩机怎么选"。从词面上看两边的重合度很低,向量匹配的效果就不稳定。解决办法不在检索算法一侧,而在文档一侧:在正文或小标题里同时写出规范术语和用户实际使用的说法,例如在"螺杆式压缩机(工业制冷压缩机)选型要点"这样的标题里,让两种表述落在同一块文本上。

实体名称写法不统一也属于同一类问题。同一款设备在产品页叫"XX系列",在案例页叫"XX型号",在新闻稿里叫"XX新一代",向量会把它们当作三个不同的对象,用户按任意一种问法检索时,可能只有一种写法能命中。统一命名,并在页面里写清别名关系,属于低成本高回报的整理工作。

另外还有一种情况容易被忽略:文档中大量出现的行业套话与礼貌用语,会稀释向量所表达的主题浓度。一段里有三成篇幅是"作为专业服务商,我们始终致力于为客户提供优质的解决方案",那么这块文本在向量空间里就更靠近"公司简介"这个通用主题,而不是靠近具体的技术问题。

失败点三:上下文窗口截断,证据被挤出

上下文窗口有长度上限,能进入的块数量有限。排序之后靠后的块会被直接截掉,即使它们与问题高度相关——这一点常被忽视,因为被截掉的部分不会有任何提示。

更隐蔽的一种浪费是冗余块占位。如果文档里有五段内容在重复讲同一个结论,这五段会同时进入候选并挤掉那些只讲一次的边缘信息,比如某个型号的具体参数、某个地区的服务范围、某项服务的时效说明。结果是答案看起来通顺,但缺的恰好是用户真正想确认的那一条限定条件。

内容侧可以做的调整有这么几项:让一页只承担一个主题,减少同页重复;把关键结论写在块的开头,因为块的排序依据是整体相似度,而块内位置决定了它被截断时能剩下什么;把大表格拆成按维度分组的小表,避免单个表格块体积过大;把问答对照单独组织,一问一答本身就是天然的检索单元。

内容侧的四个硬要求

把上面三个失败点反过来翻译成内容规范,落到写法上就是四条要求。这四条不需要额外的技术投入,靠编辑就能做到。

要求为什么必须落地写法
段落自洽片段脱离上下文后仍需读得懂每段自带主语,不用"上述""该设备"开头
术语一致向量匹配依赖术语写法稳定同一实体站内统一叫法,首次出现处标注别名
主语与限定条件明确限定条件是用户提问里高频出现的信息写出适用产能、地区、行业、工况等范围
关键结论前置块被截断时靠前的部分更可能被保留首句给结论,随后再展开依据

这四条与搜索优化里常见的"关键词密度"思路正好相反。关键词时代鼓励同一词语在页面里反复出现;RAG链路下反复出现只会增加冗余块、拉低块的信息密度。把话说得更准、更少、更能独立成立,比把同一个词多写几遍更有价值。

铭赞经验:判断一篇内容在RAG链路里能不能被用上,有一个不改代码就能做的检验:把文章按标题层级切开,随机抽三个正文片段单独读一遍,看能不能判断出"这段在说什么、针对谁、在什么条件下成立"。如果三个片段里有两个读不出主语,那么无论站内部署多完善的检索方案,这篇文章能贡献的引用机会都很有限。改写成本往往远低于重新写一篇。

下一步行动

想知道你的内容在检索召回环节被切成了什么样、哪些片段进不了答案?铭赞提供免费行业AI可见性诊断——用按召回路径设计的测试问题集,测多个AI引擎,输出片段自洽性与术语一致性检查报告。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。

铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。