RAG系统三阶优化实录：chunk重构与embedding切换及rerank融合
检索增强生成（RAG）系统在私有知识库问答中常面临“召回不准、生成幻觉”的双重困境。本文记录一次针对客服工单知识库的完整优化过程，涉及文本分块（chunk）策略从固定256字符到语义段落的转变、Embedding模型从`text2vec-large-chinese`到`bge-large-zh-v1.5`的升级，以及引入`bge-reranker-v2-m3`进行重排。最终，在内部评测集（500道
海獭喜欢开源
Lv.1在需求、Bug和灵感之间来回奔跑。关注开源技术，主要分享开发效率提升、开源工具使用和日常踩坑；关注技术选择背后的成本与边界。欢迎一起交流，也欢迎不同观点。
2文章
0粉丝
0关注
0获赞
