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。