检索增强生成工作流深入解析与最佳实践指南

最近读到一篇相当扎实的论文，来自复旦大学和智能信息处理上海市重点实验室，专门讨论了检索增强生成（RAG）的最佳实践。这篇文章系统地梳理了RAG工作流的每一个环节，并给出了切实可行的配置建议，可以说是当前把RAG落地做精的一份重要参考。

论文题目：Searching for Best Practices in Retrieval-Augmented Generation
论文链接：https://arxiv.org/pdf/2407.01219
代码地址：https://github.com/FudanDNN-NLP/RAG?tab=readme-ov-file

论文概述

RAG技术的好处在哪儿呢？它能把最新的信息整合进来，显著减少模型“编造”内容的可能，尤其是在一些专业领域里，效果提升非常明显。一个完整的RAG系统，其实跟一条精密的生产线差不多，通常包含好几个关键的链条步骤：先判断某个问题需不需要去外部资料库里查一查（查询分类）；如果需要，就去检索相关的文档；然后把这些结果按相关性排个序（重排序）；排序之后，还得把材料整理成更适合生成答案的格式（重组）；最后，从整理好的文档里提炼出关键信息，生成最终答复，同时还得把多余重复的内容去掉（摘要）。

当然，要把这个东西真正跑通，还有不少细节要琢磨。比如文档怎么切分最合适、用什么嵌入模型来理解文档意思、选哪种向量数据库能又快又准地干活，以及怎么微调模型效果更好。这篇论文正是冲着这些“最佳实践”来的，把现有的各种方法组合起来做了系统的对比，还展示了多模态检索在视觉问答上的潜力，以及用“检索即生成”策略加速多模态内容生成的效果。

RAG工作流

查询分类

不是所有问题都需要走一遍RAG流程的。大模型本身就有相当强的知识储备，如果每个问题都去检索一遍，响应时间会白白增加。所以，第一步是先给查询做个“体检”：需要检索的就走RAG通道，不需要的，直接让模型自己回答。文中选用了 BERT-base-multilingual-cased 作为这个分类器。

分块

把长文档切成合适的段落，是提升检索精度的关键动作，也能避免模型被过长文本“撑到”。分块的粒度可以灵活选：按词来切最直接，但容易把完整句子拆开；按语义来切，上下文完整，但用LLM去判断断点比较耗时；句子级别则在文本语义和效率之间找到了一个不错的平衡点。这篇论文选的就是句子级切分。

块大小

块的大小对系统表现影响很大。大块提供更多上下文，理解更透彻，但处理更慢；小块检索召回率高，速度快，但信息可能不够用。论文专门研究了块大小变化对系统“忠实度”（回答是否忠于检索到的文档）和“相关性”（检索结果和回答是否匹配用户问题）的影响。

分块策略

除了分块大小，还有更高级的玩法。比如“小到大”技术，用小块来匹配查询，但返回包含小块上下文的大块；滑动窗口则保证在切分过程中上下文不掉线。论文用 LLM-Embedder 做嵌入模型，小块设为175个词元，大块512个词元，重叠20个词元。事实证明，这些高级策略对检索质量的提升确实有帮助。

向量数据库

向量数据库是用来存嵌入向量和元数据的。为了快速找到相关文档，它离不开各种索引和近似最近邻（ANN）技术。论文按四个标准——索引类型多样性、十亿级向量支持、混合搜索能力、云原生特性——做了评估，最后选了 Milvus。

检索方法

检索模块的任务，是根据查询和文档的相似度，挑出最相关的前k个结果，交给生成模型。但原始查询常常表达不好，缺语义信息，导致检索效果打折。为此，论文评估了三种查询转写方法：查询重写（改得更准）、查询分解（拆成子问题）、伪文档生成（生成假设答案去查类似文档）。最后推荐的是混合搜索搭配HyDE（Hybrid with HyDE），单假设文档，稀疏检索（BM25）和密集检索（原始嵌入）相结合，α系数设为0.3时效果最佳，延迟也相对可控。

排序方法

为了让最相关的材料排在前面，重排序是必不可少的环节。论文比较了DLM Reranking（把排序变成分类问题，输出概率判断）和TILDE Reranking（按查询词在文档中间出现的似然值求和排序）。结果说明，这一关的不加，性能会明显缩水。

文档打包

大模型生成的答案质量，可能会受输入文档的顺序影响。于是，重排序之后加了一个“重组”模块，有三种玩法：正向（相关性从高到低）、反向（从低到高）、两侧（最相关的放两端）。实验发现，反向配置效果最好。

摘要

检索结果里经常有冗余或无关信息，影响模型准确作答，也会让提示词太长、拖慢速度。摘要模块可以解决这个问题。它分为抽取式和生成式：抽取式是挑出重要句子，生成式则是把多篇信息综合起来重述。论文聚焦于基于查询的摘要方法，重点比较了Recomp（兼具抽取和生成能力）、LongLLMLingua（专注关键信息）和Selective Context（识别并移除冗余）。

RAG最佳实践概述

论文的核心贡献之一，是把每个模块的最佳方案拼装起来，形成一个完整的RAG流程，然后逐个优化、对比，直到确定最终方案。结果如下：

• 查询分类模块：带来系统性提升，整体得分从0.428升到0.443，同时每个查询的延迟从16.41秒降到了11.58秒。
• 检索模块：“Hybrid with HyDE”得分最高（0.58），但计算成本较高（11.71秒）。如果对延迟敏感，推荐用“Hybrid”或“Original”，性能相当，但更快。
• 重排序模块：少了它，性能明显下降。MonoT5拿了最高平均分，证明了重排序在提升检索文档相关性方面的关键作用。
• 重组模块：反向配置（Reverse）表现最优，RAG得分达到0.560。说明把相关上下文放在查询附近最有效。
• 摘要模块：虽然去掉摘要可以在降低延迟的同时得到相近结果，但Recomp仍是首选，尤其在处理生成器的长度限制时优势明显。对响应时间敏感的场景，可以去掉摘要模块省时间。

一句话总结：查询分类提了准度、降了延迟；检索和重排序让系统能更好地应对各类查询；重组和摘要则进一步优化了输出，确保回答质量。

论文总结

这篇论文系统性地实现了RAG的最佳实践，在每个模块上都做了充分的方法比较，并给出了推荐配置。它是一份非常接地气的工程指南，非常适合那些希望把RAG真正用好的团队参考。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：检索增强生成工作流深入解析与最佳实践指南要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题