混合检索上线清单:2026 入门
为什么「混合检索上线清单」对本地 RAG 很重要
BM25+向量+评测问。检索增强生成通常是团队基于本地模型做的第一个正经项目,因为文档留在内网,也不用微调。它同样是小设计决定大信任的地方。
先做好入库
垃圾输入会产出自信的错误答案。在考虑嵌入模型之前:
- 保留结构:PDF 或 Office 文件转换后,标题、表格和列表要还在。
- 每个分块都带元数据:来源文件、章节、版本和文档日期。
- 没有负责人或没有日期的文档拒收,过期政策是负债。
- 保留原始文件,分块器改进后可以重新入库。
分块与检索
先用中等分块大小加一定重叠,再用你自己的问题评测,而不是照搬博客参数。中文需要按句子切分的分块器,不能套用英文的空格规则。纯向量检索会漏掉零件号、合同编号、SKU 这类精确标识,所以要在向量库旁边保留关键词索引并合并结果。政策随时间变化时,检索要偏向最新的有效版本。
可重复的评测
整理一组真实问题,附上标准答案和应当支撑答案的文档。每次修改分块、嵌入模型或提示词后都跑一遍,同时看答案和检索到的段落。如果正确段落没有被检索出来,提示词再怎么改也没用。
运维
- 备份向量库,并实际演练一次恢复。
- 按部门或客户拆分集合,方便执行权限规则。
- 记录每个回答引用了哪些来源。
- 明确助手必须拒答的内容,并公布出来。
一个实际例子
一家小型制造企业希望工程师能查询内部技术规范。第一版只用向量检索,经常返回错误版本的文档。团队把文档日期和版本号加进元数据,排序前过滤掉已被替代的版本,并为零件号保留关键词索引。他们还改写了分块方式,把表格单独存成记录。改完后用同一批评测问题重跑,检查正确来源是否出现在检索结果中。直到检索稳定,他们才开始花时间调整回答提示词。
想了解更多,可以看看本地 AI 教程中心和MicroAI One 软件。
速记要点
- 演练恢复,而不只是做备份。
- 每次变更都写上日期和负责人。
- 先限并发,再考虑降量化。
- 商用前先读模型许可证。
作者:本地AI 1号网,深圳团队,专注本地大模型软硬件、装机与私有化部署。