RAG
调优RAG管道：分块、嵌入、检索、重排序
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：RAG。 它的用途是：调优RAG管道：分块、嵌入、检索、重排序 详细介绍见：https://321skill.com/skills/rag-x-11/ 请根据该页面的说明完成安装。
使用示例
'我的RAG系统在检索PDF文档时经常漏掉关键段落，尤其是表格内容，请诊断分块策略和嵌入模型是否合适，并给出优化建议。' 它会分析当前分块大小、嵌入模型维度、检索top-k等参数，建议将表格单独提取并采用混合检索（稠密+稀疏），同时调整重排序阈值以提升召回率。
介绍
当你的RAG系统返回错误段落、遗漏已索引文档、引用为空或幻觉频发时，这个技能帮你系统性地诊断并修复问题。它覆盖从分块策略、嵌入模型选择、混合检索、重排序到生成接地答案的全链路调试，解决向量存储切换后相似度坍塌、元数据过滤导致空结果、模型更新后上下文丢失等棘手场景。
使用时，只需描述当前RAG管道的问题（如“检索召回率低”或“答案总是忽略中间段落的事实”），技能会按步骤分析分块大小、嵌入维度、重排序算法、元数据过滤逻辑等，并给出可操作的调优建议。它还能处理PDF、扫描页、表格、代码、转录文本等多种文档类型的索引，以及GDPR擦除、租户隔离、提示注入等安全合规场景。
适合后端开发、智能体开发、数据分析师等需要构建或优化RAG管道的技术人员。尤其适合遇到检索质量瓶颈、成本超支或p95延迟过高时作为诊断工具。
建议先明确当前RAG管道的组件（如向量库、嵌入模型、分块大小），再提供具体问题现象。注意：本技能不处理分块器内部实现细节（如文本分割算法）或评估评分标准，也不涉及LangChain API层面的调用。
核心特点
不同于独立的 chunking 或 evaluation 工具，本技能聚焦 RAG 管道全链路调优，从选择嵌入模型到调试重排序，覆盖生产环境中的常见故障模式（如幻觉、检索遗漏、延迟飙升）和合规问题（如 GDPR 擦除、提示注入）。
注意事项
不适合处理分块器内部实现细节（如文本分割算法）、评估评分标准或 LangChain API 层面的调用。
常见问题
如何选择嵌入模型？
根据文档类型、语言和维度需求，对比多个模型的召回率、延迟和成本，本技能可提供推荐方案。
RAG 出现幻觉怎么办？
检查上下文窗口、分块大小和重排序策略，确保检索到的段落与问题高度相关，同时验证生成模型的接地能力。