基础的 RAG 流程使用“用户原问题 → 向量检索 → top‑k 片段”的单一路径，在实际应用中往往不够健壮。用户提问方式多样、知识库结构复杂，仅靠一次原始查询很难稳定命中相关文档。检索增强技术就是在检索阶段引入各种策略，提升召回质量和覆盖面，为后续生成提供更可靠的“原材料”。以下介绍几种在实践中行之有效的增强方法。
8.6.1 查询改写与扩展
用户提问往往口语化、省略关键词，或包含指代不明的表述。直接拿原问题去检索，容易漏掉相关文档。
- 查询改写：让 LLM 将用户提问改写成一个更规范、信息更完整的搜索式查询。例如，用户问“这个功能怎么开？”，可以被改写成“如何启用双因素认证功能”。改写时还可以补充业务术语、同义词，以匹配知识库中更正式的表达。
- 查询扩展：将原问题拆解成多个子问题，或根据问题生成若干不同角度的查询，并行检索后合并结果。这有助于应对“一个问题涉及多个知识点”的场景。
实际做法：在检索前增加一个轻量提示词调用，将原始问题转换为 1~3 个规范查询，再将多个查询的结果去重、融合，大幅减少“问法不对就查不到”的情况。
8.6.2 假设文档嵌入（HyDE）
HyDE 的核心思路是：用户提问通常很短，而答案往往以完整陈述句的形式存在于文档中。直接拿问题向量去和文档片段向量做相似度匹配，语义空间上存在一定差距。
HyDE 的做法是：先让 LLM 根据问题编造一个假设的答案（答案不必真实，只是用来制造检索向量），然后用这个假设答案的向量去检索，召回那些与这个假设答案语义相近的真实文档。因为假设答案和真实文档的语句结构、信息密度更接近，检索命中率通常更高。
适用场景：知识库内容丰富但用户问题太短、太口语化时，HyDE 往往能显著提升 top‑k 的准确性。缺点是增加了一次 LLM 调用的延迟和成本，但对质量敏感场景来说这个代价通常可以接受。
8.6.3 多路召回与融合
单一检索方式可能存在盲区：向量检索擅长语义匹配，但对精准关键词不敏感；关键词检索（如 BM25）对专有名词、编号、代码等精确匹配更好，却不懂近义表达。多路召回就是将两者结合，各自返回候选片段，再通过融合排序输出最终结果。
- 向量召回：基于语义相似度，覆盖近义表达和上下文关联。
- 关键词召回：适用于精确匹配（如产品型号、法律条款编号）。
- 融合策略：常用的有倒数排名融合（RRF），对两路结果按排名加权融合，简单有效，无需额外模型。
在包含大量表格、编号、专用术语的企业文档中，单纯向量检索很容易错过关键信息，增加关键词召回后，命中率通常有明显飞跃。
8.6.4 篇章级检索与上下文窗口
文档切块过细可能割裂完整语义，导致检索到的片段缺乏充分上下文。常见的应对手段包括：
- 父子索引：先基于小粒度片段（子块）进行检索，但返回给模型的却是其所属的大粒度片段（父块）或整个小节，确保模型能看到完整上下文。
- 滑动窗口重叠：在切片时保留一定字符重叠，避免关键句恰好落在分割边界上。
- 检索后扩展：获取 top‑k 片段后，自动拉取其前后相邻的若干片段，再交给模型处理。
这些方法只需在预处理和检索后处理中稍作调整，就能显著减少“信息到位、但上下文缺失”的问题。
8.6.5 重排序
初步检索返回的 top‑k 个片段，排序只是近似最优。重排序（re‑rank）是用更精确但稍慢的模型，对这 k 个片段进行二次打分，把最相关的片段排到最前面，再截取前 m 个（m ≤ k）送入生成阶段。
- 跨编码器 ：将问题与每个片段拼接后输入模型，输出一个更精准的相关性分数，比双塔模型（嵌入匹配）准确得多，但计算成本较高，所以仅对少量候选使用。
- 轻量级模型：选择专门优化的 re‑rank 模型，在有限候选集上实时打分，可极大改善最终送入 LLM 的资料质量。
重排序是投入产出比很高的优化手段：k 可以适当放大（如 20~50），保证召回覆盖面，然后靠 re‑rank 精准挑选出真正与问题紧密相关的 3~5 段，既控制了上下文长度，又提升了答案准确性。
8.6.6 自查询
当知识库中附带结构化元数据（如日期、文档类型、适用范围等）时，可以根据用户问题自动生成带有过滤条件的查询，这就是自查询。例如用户问“2024 年更新的合规政策”，系统会先提取出“年份=2024，类型=政策”，然后在向量检索时附加元数据过滤，仅检索符合条件的文档片段。这种方法能有效缩小检索范围，避免不相关领域的干扰。
实现上，可以通过提示词让 LLM 从问题中抽取结构化过滤条件，再将条件传递给向量数据库的过滤接口，实现语义搜索与结构化过滤的无缝结合。
检索增强技术并非需要全部堆叠，而是根据场景和痛点有选择地引入。多数情况下，“查询改写 + 多路召回 + 重排序”的组合已能覆盖大部分实际需求，额外的引入应以效果验证为依据。本章后续将进一步介绍如何衡量这些增强技术带来的实际收益。