| 输入 | 用户原话 + 最近几轮对话 |
|---|---|
| 输出 | 独立、书面化、含关键实体的问题 |
| 适用 | 多轮对话、口语提问、简称别名 |
| 风险 | 改写引入新信息可能改变原意 |
改写提示词示例
改写提示词示例
把下面的问题改写成适合检索的独立查询：补全代词指代，
保留所有实体与限定条件，不要回答问题、不要添加原文没有的信息。
对话历史：{history}
当前问题：{question}
输出：改写后的问题（一行）改写后与原问题建议都走一遍召回再合并（Multi-Query 思路），避免改写错误导致链路整体跑偏。
本包目录（229 条）
架构与流程30 条
- RAG 检索增强生成总览
- RAG 在线检索链路
- RAG 离线索引链路
- 向量检索与关键词检索的取舍
- LangChain 快速搭建 RAG 链
- RAG 开发框架与平台选型
- LlamaIndex 快速搭建索引与查询引擎
- 查询改写提升检索命中
- RAG 元数据字段设计
- RAG 与微调的选型对比
- 上下文组装与 Token 预算
- RAG 场景的提示注入防护
- RAG 链路逐段调试方法
- Naive / Advanced / Modular RAG 三种范式
- Multi-Query 多路召回合并
- 多租户与权限过滤
- HyDE 假设文档嵌入检索
- 增量索引与文档更新
- 查询分解与多跳检索
- RAG 可观测性与日志追踪
- Agentic RAG 与自适应检索
- 长上下文与 RAG 的配合
- 查询路由分流不同处理链
- 语义缓存降低重复问答开销
- 在线链路延迟预算拆分
- 多轮对话的检索指代消解
- RAG 成本构成与估算方法
- GraphRAG 图谱增强检索
- 低代码 RAG 平台的落地要点
- 文档版本管理与索引重建
查询改写提升检索命中
用户问题口语化、含指代、措辞与文档不一致是召回差的主因；检索前把问题改写成书面化、补全指代、补充同义关键词的独立查询，可明显提升命中。
易错点
- 多轮对话直接拿当前一句去检索，“那它支持吗”这类问题无法命中
- 改写模型自由发挥引入新实体，检索跑到无关文档上
数据来源与参考
- LangChain 官方文档（对话式检索与查询改写）
- Gao et al., RAG for LLMs: A Survey（查询优化章节）