检索增强生成，简称 RAG，是在模型回答前先查找外部资料，再把相关片段连同问题交给模型。它把“写在参数里的模糊记忆”与“可更新、可引用的知识库”结合起来。
RAG 常被包装成一个上传文档按钮，但产品增长不会自动发生。若检索拿错材料，模型只会更有依据地答错；若答案虽正确却离用户工作流很远，使用次数也不会转化为留存。
一条可行的增长路径，应从高频问题开始，用检索质量支撑首次价值，再用失败查询反向改善知识与产品。
## 第一步：判断问题是否适合RAG
适合 RAG 的任务通常依赖经常更新、组织私有或必须引用来源的知识，例如产品使用、设备维修、内部流程和研究资料问答。
如果任务主要是改写语气、抽取固定字段或计算确定结果，提示、结构化解析或普通代码可能更简单。知识库不是越大越好，只有答案确实受外部事实约束时，检索才有价值。
先建立两条基线：不检索的通用模型，以及用户自己搜索文档的现有流程。RAG 必须在准确率、完成时间或可追溯性上明显优于至少一条基线。
## 第二步：从一百个真实问题建评测集
收集用户实际问过的问题，保留口语、缩写、拼写错误和上下文缺失。每个问题标注可接受答案、支持它的文档片段，以及资料不足时应当怎样回应。
把问题按意图切片：查事实、比较方案、排障、多文档综合和无答案。平均分会掩盖检索系统在某一类上的系统性失败。
评测分成两层。检索层看正确证据是否进入前若干结果；生成层看答案是否由证据支持、引用是否对应以及是否完成任务。只评最终文字，很难知道问题出在搜索还是模型。
## 第三步：把知识库当产品维护
原始文档先解析标题、层级、更新时间、产品版本、地区和权限。页眉、重复导航、过期草稿和扫描噪声会污染向量索引，应在入库前处理。
分块要尊重语义边界。故障步骤、参数定义和注意事项不应被任意切开；过大的块会带入无关内容，过小的块又失去上下文。为块保留文档 ID、章节、版本和更新时间。
OpenAI 的向量存储接口允许给文件附加属性并选择分块策略；无论使用哪种服务，元数据过滤都是区分版本、客户和知识范围的关键。
## 第四步：稀疏、稠密与重排协作
关键词检索擅长型号、错误码和专有名词，稠密检索擅长同义表达和自然语言问题。两者组合通常比只选一种更稳。
先用稀疏与稠密检索各取候选，再合并去重；随后用重排模型根据完整问题重新打分，只把少量高相关片段送给生成模型。
Dense Passage Retrieval 的早期研究展示了稠密双编码器在开放域问答中的潜力，但实际企业语料常包含编号和精确术语，保留关键词通道仍很重要。
查询改写要谨慎。可以补全缩写、拆分多问题或生成检索词，但同时保留原查询。若模型把未知术语改成常见词，检索会偏离用户真正意图。
## 第五步：答案必须带证据和退出路径
提示模型只依据提供片段回答，并为关键结论附上可点击来源。引用不是把三条链接堆在结尾，而是让用户知道哪句话来自哪一段。
当证据不足或冲突时，回答应明确说缺少什么，并提出一个最小追问。强行生成完整答案会提高表面响应率，却侵蚀长期信任。
来源页面要能打开到具体章节。用户若每次还要在百页 PDF 中重新搜索，RAG 只完成了一半工作。
## 第六步：把答案嵌入真实动作
独立聊天框适合探索，增长通常来自工作流嵌入。例如排障答案后提供“打开对应设备记录”，客服答案旁显示“插入回复草稿”，研究问答支持“保存证据片段”。
动作必须使用真实系统数据，并在写入前预览。RAG 负责找到知识，确定性接口负责执行；不要让模型凭文本猜测库存、订单或权限。
统计从提问到完成动作的转化，而不是只看消息数。首次价值可以是五分钟内解决一个问题，留存则来自下次遇到相似问题仍愿意回来。
## 第七步：让失败形成增长飞轮
记录无结果查询、低置信答案、用户点踩、反复追问和人工改写。每周把它们分成四类：资料缺失、解析失败、检索失败和生成失败。
资料缺失就补写文档，解析失败就修入库，检索失败就改分块或重排，生成失败才调整提示或模型。分类错误会让团队不断换大模型，却没有修正知识源。
用户采用的新答案经过专家确认后，可以回到知识库。但对话内容不能未经审核自动成为事实，否则一次幻觉会在后续检索中被循环放大。
## 90天路线
前 30 天选择一个窄场景，整理高质量文档和一百个问题，跑通关键词、稠密与无 RAG 三条基线。目标是证明正确证据能够稳定被找到。
第 31 到 60 天加入元数据过滤、重排、行级引用和拒答，邀请一小组真实用户完成任务。每周审查失败样本，测量首次成功时间和人工搜索分钟。
第 61 到 90 天把答案嵌入一个工作流动作，建立灰度发布、成本与延迟监测，再扩展到相邻意图。只有当前知识域达到门槛，才增加新文档类型。
RAG 的增长策略，本质上是一个知识质量循环：更真实的问题带来更好的评测，更好的评测暴露内容缺口，修正后的知识又让下一次回答更可靠。模型只是其中一环，能被用户核对并完成工作的答案才是增长基础。
## 参考资料