RAG 的检索模块是怎么优化的？

在上一篇里我们聊了知识库构建，这一篇，咱们接着讲 RAG 的第二个灵魂模块——在线检索（Retrieval）。

这是很多候选人在面试时掉分的地方。 大多数人能说出“我用了向量检索”，但一追问：

“为什么不用BM25？为什么要做重排？Top K怎么调？”

立刻就露怯了。

如果你能讲清楚检索模块的设计逻辑、优化方向和工程权衡， 那你在面试里已经领先90%的候选人。

一、检索模块在RAG中的角色

RAG 的结构很像“搜索引擎 + 语言模型”的组合， 知识库构建是铺地基，检索模块就是“搜索引擎”部分。

它的目标是：在海量文档中，快速准确地找到最相关的内容片段。

检索不准，模型“答非所问”；

检索不全，模型“无话可说”。

很多人以为检索是简单的“向量查相似度”， 其实工业级 RAG 的检索模块是一套完整的管线：

1. Query 向量化
2. 初步召回（Recall）
3. 精排（Rerank）
4. 结果过滤与合并

接下来我们逐步拆开。

二、第一步：Query 向量化

用户输入一句自然语言，系统要先把它变成可计算的向量。

关键点有三：

1. Embedding模型一致性检索Query必须用和知识库相同的Embedding模型，否则向量空间不对齐。
2. 归一化与维度控制通常会对Query向量做归一化，保证相似度计算稳定。 向量维度太高（比如1024）会拖慢检索速度，工程上会做降维或量化。
3. 保留关键词特征除了语义向量，还可以提取关键词备用，为后续BM25或混合检索服务。

举个例子： 用户问“RAG优化有哪些方向？”， Embedding负责捕捉“优化”与“改进”这种语义近义关系， 而关键词提取能确保“RAG”这种专有词不会丢。

三、第二步：召回——找得快，还要找得全

召回阶段的核心任务是从海量向量中“快速找到Top K相似片段”。

主流做法有两种：

1. 向量召回（Dense Retrieval）

基于Embedding的语义相似度检索。 常用算法有 HNSW、IVF、PQ 等近似最近邻（ANN）结构， 能在百万级文档中毫秒级返回结果。

优点是理解语义； 缺点是有时不够“精”，比如处理数字、代码、专有名词时。

2. 关键词召回（Sparse Retrieval）

基于传统搜索技术，如BM25或倒排索引。 优势是精确匹配，例如识别“TCP/IP协议”这种短语。

在实践中，最常见的优化手段是——混合检索（Hybrid Search）： “先用Dense召回语义相关内容，再用BM25补足精确匹配。”

两者取并集或加权融合， 既保留语义理解，又不漏关键术语。

四、第三步：重排——从“差不多”到“最相关”

召回得到几十条候选文本，还不能直接喂给模型。 下一步要做的，就是精排（Rerank）。

Reranker一般是一个跨注意力模型（Cross-Encoder）， 它会把 Query 和候选文本一起输入，逐条计算相关度分数。

典型做法：

• 召回阶段取 Top 50；
• Reranker排序后取 Top 5~10；
• 再交给 LLM 进行生成。

这一阶段的优化重点：

• 模型选型：bge-reranker、monoBERT、cohere reranker；
• 代价权衡：Rerank计算贵，需缓存高频Query；
• 阈值调优：设定合理cutoff分数，防止噪声内容混入。

可以简单理解为：召回是“找全”，重排是“挑好”。

五、第四步：结果过滤与合并

得到高分候选后，还要做最后一道关口——过滤。

常见做法包括：

• 按元数据过滤： 比如只取最近30天内容，或限定来源为“技术文档”；
• 去重： 不同文档可能含相同片段；
• 多子问题合并： 对复杂Query可分解为多个子问题分别检索，再合并结果。

这一步是RAG工程落地时常被忽略的，但它直接决定用户体验。 尤其在多轮对话里，错误过滤会导致模型“跑题”。

六、优化策略与常见挑战

1. 平衡召回率与精确率

Top K取太大，检索会拖慢、内容太杂，取太小，又容易漏掉关键信息，建议通过验证集调优，比如固定生成质量的前提下，寻找最佳Top K。

2. 降低检索延迟

可采用以下手段：

• 向量库分片并行；
• 向量量化；
• 缓存高频Query；
• ANN索引参数调优（如HNSW的M、efSearch）。

3. 域内专有词优化

向量检索往往识别不了冷门术语。 可通过：

• 领域微调Embedding；
• 构建同义词表；
• 对特定关键词强制BM25召回。

4. 多语言与跨模态

如果系统需要支持多语言文档，可采用多语Embedding模型（如LaBSE）， 或者在检索前先做翻译归一化。

七、实战案例：一次检索优化的演进

以训练营做的一个企业知识问答项目为例：

• 初版只用Dense检索，召回准确率约70%；
• 后来加入BM25混合召回，召回率提升到85%；
• 再加Reranker模型，最终精确率接近90%；
• 引入缓存机制后，响应时间从2.1秒降到0.8秒。

这就是典型的从“能用”到“好用”的优化过程。

八、答题框架总结（面试一分钟版本）

面试时可以这样回答：

“RAG 的检索模块优化主要包含四个方面：

1. 向量化：使用统一Embedding模型；
2. 混合检索：结合Dense与BM25，兼顾语义与精确；
3. 精排模型：用Cross-Encoder做Rerank；
4. 缓存与元数据过滤：提升速度与结果可靠性。

我在项目中通过Hybrid Search + Reranker的方式，将检索准确率提升了20%以上。”

这样的答法逻辑完整，又有实操感，面试官很难不满意。

九、结语：检索优化的本质是系统设计

检索优化看似是算法问题，但本质上是工程平衡——速度、准确率、成本的取舍。

最好的系统从来不是“最复杂”的，而是在正确的地方做取舍。

记住一句话：“好RAG不靠玄学Prompt，而靠检索稳、知识准。”