检索增强：让它先查你的资料再回答

公司把 2,000 份制度文件放进“AI 知识库”，员工问：“出差改签费谁审批？”系统却引用了三年前的旧办法。换了更强的模型，回答仍然错。原因常常不在最后写答案的模型，而在前面那一步：系统没有找到新版制度，或者只截出一句缺少适用条件的话。

先给答案

检索增强生成先从资料库找出相关片段，再让模型依据片段回答。也就是说，它不是把整套资料永久教进模型。成败要分开看：资料是否可用、检索是否找对、回答是否忠于证据；只看最后一句像不像人话，会把问题找错地方。

一份 PDF 是怎样变成可检索片段的

常见流程先解析文件，再切成小段，最后为每段生成向量嵌入。也就是说，一段文字会被转换成一串表示语义位置的数字，提问也做同样转换，系统据此寻找意思接近的片段。这些向量和原文、文件名、发布日期等信息，通常保存在向量数据库中。也就是说，它是擅长按相似度找内容的存储系统，不是一个会自行判断制度是否有效的模型。

切分方式会直接改变结果。把一份 40 页报销制度按每 500 字切开，“机票改签”可能在第 17 段，“部门负责人批准”却落到第 18 段；系统只取到前一段，就缺少审批条件。片段太短，上下文不完整；片段太长，相关句子被大量无关文字淹没，还会占用更多上下文窗口。也就是说，模型本次能读的资料有限，不能把 2,000 份文件全部塞进去再碰运气。

扫描 PDF 还多一道文字识别。表格的列名、合并单元格、页眉页脚都可能被打乱。例如原表是“金额 ≤ 5,000 元：部门负责人；金额 > 5,000 元：财务总监”，解析后若两行顺序错位，后面的检索和生成做得再好，也只能认真地引用坏数据。官方 RAG 文档会明确列出支持的文件类型、解析方式和限制，正是因为“能上传”不等于“能正确读出”。

为什么意思相近，不等于答案就在这里

检索通常会先召回若干候选片段，再按相关程度重排。用户问“员工临时取消差旅怎么处理”，资料里可能写的是“行程终止后的票务退改”，两个句子字面不同但意思接近，语义检索有机会找到它。反过来，精确编号“财制〔2026〕07 号”更适合关键词查找。企业资料往往需要两种方法并用，再利用部门、日期、版本状态等元数据过滤。

相似度只回答“像不像”，不回答“是不是当前有效依据”。三份文件都提到改签，旧制度措辞与问题最像，新制度却用了“票务变更”，纯相似度排序可能把旧文放在第一位。解决办法不是一句“请使用最新文件”，而是在入库时记录生效日期、失效状态和适用组织，查询时先过滤，再检索。

还要允许“没找到”。如果前五个候选片段都与问题无关，系统应返回证据不足，而不是把最接近的一段硬交给模型。企业验收可以给 50 个有标准答案的问题，同时准备 10 个资料库根本没有答案的问题。分别统计正确片段是否进入候选集、旧版本是否被排除、无答案时是否拒答。生成文本是否顺口，应放在这些指标之后。

找对资料后，模型仍可能读错或编造

RAG 降低幻觉，但不会消除它。也就是说，给出可靠资料能减少模型凭空补全事实，却不能保证它每句话都忠于资料。模型可能忽略否定词、混合两个部门的规定，或者给引用加上原文没有的推论。

因此，回答最好带可点击引用，并把“原文”“模型概括”“模型建议”分开。问审批人时，答案后显示文件名、版本日期和具体段落；用户点开能看到前后文。若引用只跳到 80 页 PDF 首页，核对成本仍然很高。对于付款、合规、劳动关系等高风险问题，RAG 应负责找到依据，人仍要确认结论。

资料更新也不能只做追加。新版《差旅办法》生效后，旧版要标记失效或移出默认检索范围；删除源文件时，相应片段和向量也要删除。否则知识库越做越大，冲突越多，表面上“资料很全”，实际更容易拿错版本。

自己试一下

准备两段文字，直接粘贴到任意 AI 聊天框：

旧规（2024，已失效）：采购超过 3 万元由部门经理批准。新规（2026，现行）：采购超过 2 万元由财务负责人批准。

先问：“采购 2.5 万元由谁批准？只给答案。”再问：“请先列出有效版本、适用金额和原文证据；若资料冲突，以标注为现行的版本为准。”观察两次回答是否都选新规，以及第二种问法是否更便于核对。接着删掉“现行、已失效”标签再问一次，看模型是否开始摇摆。

本实验于 2026 年 8 月 27 日按通用聊天模型可复现方式设计。你试的时候结果可能不同，重点是看它的行为模式：证据的版本信息一旦缺失，模型不能替资料库猜出哪份有效。

常见误解

误解一：上传文件就等于训练了专属模型。 RAG 通常没有改动模型参数，只是在回答前临时取回片段。源文件删改后，索引也要同步更新。

误解二：引用了文件，答案就一定正确。 引用可能找错版本，模型也可能误读正确片段。你要同时检查检索命中、版本过滤、拒答和引用定位，不能只看一张漂亮的回答截图。

三句话总结

RAG 是“先找片段，再据此回答”，不是把全部资料训练进模型。
解析、切分、版本过滤和检索排序，任何一步出错都会把坏证据送给模型。
可靠系统必须会引用、会拒答，并让用户看到原文与版本。

如果你要做决定

验收时不要只问“用了哪个模型”，要带上旧版本、扫描表格、精确编号和无答案问题。要求供应商分别展示解析结果、召回片段、过滤条件与最终引用，才能知道错在资料、检索还是生成。

下一篇，我们把“查资料”再推进一步：让模型请求程序去查、去算、去改。