RAG 召回差？先改切片和重排

我第一次给内部文档搭 RAG，召回回来的块总差一口气。问怎么降大模型调用成本，它回了一段讲向量库存储贵的。排查下来，症结在切片和重排这两道工序，模型本身没问题。这篇把 RAG 检索的原理拆开讲，代码能直接跑。

一、切片定召回上限

1、按照字符长度硬切（按照模型限制且）

2、按照语句段落切（保留完整句子）

切片直接决定召回的上限。固定长度切块图省事，却常把一句完整的话从中间劈开，模型拿到的块结尾是断的，语义被切断，召回自然掉。

我把同一段 226 字文档喂给两种切法。固定长度切出 2 块，其中 1 块在句子中间断开。递归字符切块同样 2 块，没有一处断句。差距就在句子完不完整。

递归切块先按段落、再按句子、最后按长度，能保住大多数句子完整，是工程上的默认选择。块大小我一般控制在两百到五百字，再留百分之十到二十的重叠给边界句，让相邻块共享上下文。

python 复制代码

def recursive_chunk(text, size=200, overlap=40):
    """先按段落、再按句子、最后按长度切。
    为什么这么写：保证句子不被切断，召回的块语义才完整。"""
    chunks = []
    for para in re.split(r"\n+", text):
        para = para.strip()
        if not para:
            continue
        # 按句切，单句超过 size 才硬切，正常句子整段保留
        sents = re.split(r"(?<=[。！？])", para)
        cur = ""
        for s in sents:
            if len(cur) + len(s) <= size:
                cur += s
            else:
                if cur:
                    chunks.append(cur)
                while len(s) > size:
                    chunks.append(s[:size])
                    s = s[size - overlap:]
                cur = s
        if cur:
            chunks.append(cur)
    return chunks

二、混合检索补语义

词法检索（BM25）擅长精确词匹配，可查询词和文档用词不一致时就抓不到。我问每月开销怎么缩减，语料里没有开销、缩减这两个词，纯词法前 3 名里根本没有讲成本的块。

语义通道补上这一块。生产环境用 bge-m3、gte 这类嵌入模型把文本编码成向量再比余弦，查询写缩减开销也能命中讲降低成本的块。我这个 demo 用同义词扩展离线近似，机制一致，两路打分后按排名融合。

融合用 Reciprocal Rank Fusion，不依赖两路分数量纲一致，实现成本低。上面那个口语查询，语义通道把讲成本的块从第 3 名外拉进前 3，重排再抬到第 2。

python 复制代码

import math, re

def expand_query(query):
    """把口语词换回语料里的标准词，模拟语义检索跨词形匹配的能力。"""
    q = re.sub(r"\s+", "", query)
    for std, cols in {"成本": ["开销", "花费", "账单"], "切块": ["切分", "分块"]}.items():
        for c in cols:
            if c in q:
                q = q.replace(c, std)
    return q

def rrf(ranks, k=60):
    """Reciprocal Rank Fusion：按排名融合，不挑两路分数量纲。"""
    fused = {}
    for rank in ranks:
        for pos, (idx, _) in enumerate(rank):
            fused[idx] = fused.get(idx, 0) + 1 / (k + pos + 1)
    return [i for i, _ in sorted(fused.items(), key=lambda x: -x[1])]

真实跑出来的前几名，口语查询每月开销怎么缩减的结果如下。

text 复制代码

纯词法前 3：c_embed、c_trap、c_distract（无讲成本的块）
语义通道前 3：c_embed、c_trap、c_cost（c_cost 被拉进前 3）
重排后前 5：c_embed、c_cost、c_trap、c_distract、c_hybrid

三、重排定答案准度

召回只要不漏，重排才决定答案准不准。融合阶段只看排名，谁词频高谁靠前，偏题块容易混进来。

我放了个陷阱块，满篇都是成本和大模型调用成本，词法分很高，排在融合第 1。但它只讲涨价和担心账单，没讲怎么降。重排阶段我加了融合没有的两个信号，块里有没有查询的意图动作词（省钱、压），以及有没有精确短语。带省钱、压的块被抬上去，陷阱块被压到第 2，讲怎么降成本的块回到第 1。

重排只挑召回前 N 条做，因为交叉编码器逐对打分很慢，全量做不现实。

python 复制代码

def rerank(query, idxs, bm25, topk=5):
    """对融合后的候选做特征重排。
    加的两个信号融合阶段没有：精确短语、意图动作词。"""
    q = re.sub(r"\s+", "", query)
    scored = []
    for idx in idxs:
        doc = CORPUS[list(CORPUS)[idx]]
        bm = bm25.score(query, idx)
        phrase = 1.0 if any(q[i:i+4] in doc for i in range(len(q)-3)) else 0.0
        intent = 1.0 if any(t in doc for t in ["省钱", "压", "降低"]) else 0.0
        length_penalty = 1.0 if len(doc) <= 200 else 0.6
        scored.append((idx, 0.3*bm + 0.8*phrase + 1.2*intent + length_penalty))
    scored.sort(key=lambda x: -x[1])
    return [i for i, _ in scored[:topk]]

四、常见坑

坑 1 用字符数估算成本。 表现是用 len(text) 估 token，中文场景账单比预期高两三倍。改用分词器的 encode 实测字符对应的 token 数。

坑 2 切块太大或太小。 块超过五百字噪声多，小于两百字上下文不够。按二百到五百字切，留百分之十到二十的重叠。

坑 3 只跑词法不跑语义。 查询和文档用词不一致时召回漏掉正确答案。加一路嵌入检索再融合。

坑 4 把召回当排序。 召回阶段只管不漏，排序交给重排。别让词频高的偏题块直接进答案。

五、小结

切片定召回上限。递归字符切块保句子完整，块控制二百到五百字。
词法加语义才稳。BM25 保精确，嵌入保语义，RRF 融合不挑量纲。
重排定答案准度。加意图词和精确短语两个信号，把偏题块压下去。
召回和重排分工。召回管不漏，重排管准，别混为一谈。