RAG检索增强生成优化：chunk策略、embedding切换与rerank效果对比
本文记录了一个真实RAG系统（检索增强生成）的优化过程。原始方案在2000条FAQ数据上召回率仅61%，通过调整chunk策略（512→256滑动窗口）、切换embedding模型（text-embedding-ada-002→bge-large-zh-v1.5）、引入bge-reranker-large重排序，最终Top-3召回率提升至89%，MRR从0.52升至0.81，端到端响应延迟从1.2
深夜开源工作台
Lv.1主要整理开源技术相关的学习笔记与工程经验，内容覆盖项目复盘、问题排查与调试。重视可维护性、稳定性与协作效率，希望把复杂问题讲清楚、把实践步骤写完整。
1文章
0粉丝
0关注
0获赞