文档切分

【AI应用开发】 RAG篇（四）：Prompt 工程与进阶技术前几篇搞定了怎么存、怎么搜，本篇进入 RAG 的"最后一公里"——Prompt 工程和进阶优化技术。检索结果再好，Prompt 写得烂，答案是垃圾；检索质量卡在瓶颈，不上混合检索和查询优化，天花板就是 70 分。

【AI应用开发】 RAG篇（三）：文档切分与多路检索前两篇我们讲清了 RAG 的整体架构和向量检索原理。但这远不足以让系统"好用"——一条最容易被忽视却最为致命的链路是：文档切不好，检索等于白做。

RAG 检索查不准的工程归因：从向量对齐到分层召回的架构取舍在 2026 年初上线的某金融合规问答系统中，RAG 模块持续出现“用户问 A，系统答 B”的现象。典型场景如用户查询“2025 年反洗钱新规对跨境转账的影响”，系统却返回了“2023 年境内支付结算管理办法”相关内容。初期排查聚焦于 prompt 优化和相似度阈值调整，但效果有限。进一步观察发现，问题并非集中在单一环节，而是贯穿了从文档入库到最终回答生成的全链路。

我是有底线的