RAG 实战：让 LLM 准确引用你的文档

为什么需要 RAG？

大语言模型虽然强大，但存在明显的局限性：

• 知识截止：训练数据有时间边界
• 幻觉问题：会编造看似合理但错误的内容
• 私有数据：无法访问企业内部文档

RAG（Retrieval-Augmented Generation）通过在生成前检索相关文档来解决这些问题。

RAG 基本流程

用户提问 → 向量检索 → 获取相关文档 → 注入上下文 → LLM 生成回答

1. 文档处理

将文档切分为适当的 chunks：

from langchain.text_splitter import RecursiveCharacterTextSplitter

splitter = RecursiveCharacterTextSplitter(
    chunk_size=500,
    chunk_overlap=50
)
chunks = splitter.split_documents(documents)

2. 向量化与存储

使用 Embedding 模型将文本转为向量：

from openai import OpenAI

client = OpenAI()

def embed(text):
    response = client.embeddings.create(
        model="text-embedding-3-small",
        input=text
    )
    return response.data[0].embedding

3. 检索

根据用户问题检索最相关的文档片段：

def retrieve(query, top_k=5):
    query_vec = embed(query)
    # 使用向量数据库（如 Pinecone、ChromaDB）进行相似度搜索
    results = vector_db.similarity_search(query_vec, k=top_k)
    return results

4. 生成

将检索到的文档注入 prompt：

def rag_answer(question):
    docs = retrieve(question)
    context = "\n\n".join([doc.text for doc in docs])
    
    prompt = f"""根据以下参考资料回答问题。如果资料中没有相关信息，请说明。

参考资料：
{context}

问题：{question}"""

    response = client.chat.completions.create(
        model="claude-sonnet-4-20250514",
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content

优化技巧

• Chunk 大小：太小丢失上下文，太大引入噪音。通常 300-800 tokens 效果较好
• 重排序：先粗检索 top-20，再用 reranker 精排取 top-5
• 混合检索：结合向量检索和关键词检索（BM25）
• 查询改写：用 LLM 改写用户问题以提高检索质量

总结

RAG 是将 LLM 与私有数据结合的最实用方案。通过合理的 chunk 策略和检索优化，可以显著提升回答的准确性和可靠性。