🚀 RAG 系统检索不准？是时候引入「离线精排」思维了！

很多同学在做 RAG（检索增强生成）项目时，都会遇到一个头疼的问题：向量检索召回的内容经常"文不对题"，导致大模型回答出现幻觉。今天我们就来聊聊如何通过 Rerank（精排）技术，让你的 RAG 系统脱胎换骨。

大家好，我是王中阳。

最近在我们AI就业陪跑训练营里，有不少同学问我："我的 RAG 系统明明把文档切好了，向量库也建好了，为什么用户问问题时，找出来的文档还是不准？"

其实，这是传统 RAG 架构中一个非常经典的问题。今天这篇文，我就带大家深入理解"粗排"与"精排"，并手把手教你在 Golang 项目中引入 Rerank 机制。

1. 为什么向量检索还不够？

在标准的 RAG 流程中，我们通常使用向量检索（Vector Search）来寻找相关文档。

它的工作原理是：

把用户问题（Query）变成向量。
把文档块（Chunk）变成向量。
计算两个向量的余弦相似度，取 Top K。

这种方法叫 Bi-Encoder 架构。它的最大优势是快（亿级数据毫秒级响应），但缺点也很明显：它丢失了细粒度的语义交互。

举个例子：

Query: "Python 怎么调用 C++ 的动态库？"
Doc A: "Python 调用 C++ 动态库的详细教程..." (强相关)
Doc B: "C++ 调用 Python 脚本的方法..." (不相关，但关键词高度重合)

在向量空间中，Doc B 因为包含大量相同的关键词（Python, C++, 调用），其向量距离可能和 Query 非常近，导致被错误召回。

这时候，大模型拿到的上下文是 Doc B，它自然就回答不出正确答案，甚至开始"一本正经地胡说八道"。

2. 什么是 Rerank（精排）？

为了解决这个问题，我们需要引入第二阶段：Rerank（重排序）。

这就好比招聘：

向量检索（粗排）：HR 快速筛选简历。只要简历里有"Golang"、"3年经验"这些关键词，就先捞出来。这一步要快，可能捞出 100 份简历。
Rerank（精排）：面试官进行深度面试。面试官会仔细阅读简历的每一个项目经验，甚至进行面对面交流。这一步比较慢，但非常精准，最终只选出最匹配的 3 个人。

在技术上，Rerank 通常使用 Cross-Encoder 架构。它将 Query 和 Document 同时输入到模型中，让模型逐字逐句地对比两者的关系，输出一个相关性得分（Score）。

一图胜千言

左边的 Bi-encoder（双塔编码器）正是向量检索的核心架构：它会分别将输入 A、B 编码成独立的向量，再通过余弦相似度计算匹配度。
- 这种方式可以预计算文档向量并存储在向量数据库中，适合大规模、高效率的召回（即向量检索）。
右边的 Cross-encoder（交叉编码器）是 Rerank（重排）的常用模型：它将输入 A、B 拼接后一起编码，直接输出相关性分数，能捕捉文本间的细粒度交互。
- 精度更高，但速度慢，适合对向量检索得到的候选集进行精准重排序（即 Rerank）。

3. RAG 进阶架构：Retrieve + Rerank

加入 Rerank 后，我们的 RAG 流程变成了这样：

Retrieval (粗排) ：使用向量检索，快速召回 Top 50 个候选文档。
Rerank (精排) ：使用 Cross-Encoder 模型，对这 50 个文档进行精细打分。
Filter: 截取得分最高的 Top 5。
Generation: 将这 Top 5 喂给大模型生成答案。

虽然 Rerank 增加了一点点延迟（通常几十毫秒），但它能带来质的飞跃 。实验数据表明，加入 Rerank 后，RAG 系统的检索准确率（MRR/NDCG）通常能提升 10%~20% 。

4. 实战：在 Golang 中接入 Rerank

目前市面上有很多优秀的 Rerank 模型，比如 BGE-Reranker（开源最强）、Cohere Rerank（商业闭源效果好）。

这里我们以 Cohere Rerank 为例，看看在 Golang 中怎么写代码。

首先，你需要申请一个 Cohere 的 API Key（注册送额度）。

go 复制代码

package main

import (
	"context"
	"fmt"
	"log"

	cohere "github.com/cohere-ai/cohere-go/v2"
	cohereclient "github.com/cohere-ai/cohere-go/v2/client"
)

func main() {
	// 1. 初始化客户端
	client := cohereclient.NewClient(cohereclient.WithToken("YOUR_API_KEY"))

	// 2. 模拟粗排召回的文档 (这里包含了相关和不相关的)
	docs := []*string{
		ptr("Golang 是一种静态强类型语言，性能优异。"),
		ptr("Python 是一种解释型语言，适合数据分析。"),
		ptr("Java 的生态系统非常庞大。"),
		ptr("Go 语言的并发模型基于 Goroutine 和 Channel。"), // 强相关
	}

	// 3. 用户问题
	query := "Go 语言的并发优势是什么？"

	// 4. 调用 Rerank 接口
	resp, err := client.Rerank(context.TODO(), &cohere.RerankRequest{
		Model:     ptr("rerank-multilingual-v2.0"), // 支持多语言的模型
		Query:     query,
		Documents: docs,
		TopN:      ptr(3), // 只取前 3 名
	})
	if err != nil {
		log.Fatal(err)
	}

	// 5. 打印结果
	fmt.Printf("用户问题: %s\n", query)
	fmt.Println("--------------------------------------------------")
	for _, result := range resp.Results {
		docContent := *docs[result.Index]
		fmt.Printf("排名: %d | 得分: %.4f | 内容: %s\n", result.Index, result.RelevanceScore, docContent)
	}
}

func ptr[T any](v T) *T { return &v }

运行结果预期：

即便粗排时混入了很多不相关的文档，Rerank 也能把最相关的 "Go 语言的并发模型基于 Goroutine 和 Channel。" 准确地排到第一名，并且给出一个很高的相关性得分。

5. 什么时候需要"离线"精排？

标题里提到了"离线精排"，这通常指的是在对检索质量要求极高 ，或者模型私有化部署的场景。

如果你的数据非常敏感（不能发给 Cohere/OpenAI），或者你想追求极致的性价比，你可以选择离线部署 BGE-Reranker 模型。

你可以使用 Python 的 sentence-transformers 库加载 BGE 模型，将其封装成一个 HTTP 服务，供 Golang 业务层调用。这样既保证了数据安全，又节省了 API 费用。

总结

RAG 系统不是简单的"向量库 + 大模型"。要想效果好，Rerank 是必不可少的一环。

它就像一个严谨的"安检员"，把那些滥竽充数的文档挡在门外，只把最精华的内容送给大模型。

如果你现在的 RAG 系统效果卡在瓶颈期，不妨试试加上 Rerank，相信会给你带来惊喜！

最后

如果你对 RAG 技术感兴趣，或者在做 AI 应用落地时遇到了坑，欢迎了解我们的AI就业陪跑训练营。在这里，我们不仅有全套的 Golang AI 实战课程（从零手写 RAG、Agent、微调），还有一群志同道合的伙伴一起交流。

👨💻 关于作者

我是王中阳 ，一名专注 Golang & AI 落地的资深架构师，全网粉丝 10W+。

致力于帮助开发者从 CRUD 进阶 AI 全栈 ，同时也是 「程序员就业陪跑训练营」 的主理人。

我能帮你解决什么问题？

简历优化：1v1 修改，挖掘项目亮点，拒绝流水账，提升 50% 面试邀约率。
就业陪跑：从学习路线规划到模拟面试，全程 1v1 指导，助你拿下心仪 Offer。
实战项目 ：提供 Go 电商、RAG 检索增强、Agent智能体 等企业级源码，可直接写进简历。