RAG Retrieves Wrong Documents（RAG 检索错文档）

知识库位置：FDE Knowledge Base/03 Engineering/Troubleshooting/RAG-Retrieves-Wrong-Documents.md

Problem（问题）

RAG（Retrieval-Augmented Generation，检索增强生成）返回的文档与用户问题语义上相似，但业务上不正确。

Example（示例）

用户问：

美国员工的休假政策是什么？

系统却检索：

英国员工休假政策。

Embedding（向量化）认为语义高度相关，但业务条件不同。

Possible Causes（可能原因）

Missing Metadata（缺少元数据）

没有保存：

• Country（国家）
• Department（部门）
• Product（产品）
• Version（版本）
• Date（日期）
• Access Level（访问级别）

Query Too Generic（查询过于泛化）

例如：

vacation policy（休假政策）

无法区分国家。

Poor Chunking（分块不当）

Chunk（内容块）缺少标题和上下文。

Semantic Search Limitation（语义检索的局限）

Semantic similarity（语义相似度）不等于：

Business correctness（业务正确性）。

Diagnostic Steps（诊断步骤）

检查：

1. 原始 Query（查询）
2. Rewritten Query（改写后的查询）
3. Top 10 Retrieval（前 10 条检索结果）
4. Metadata（元数据）
5. Similarity Scores（相似度得分）
6. Reranker Results（重排序结果）

Fixes（修复）

推荐逐层增加约束：

Query（查询）
+
Metadata Filter（元数据过滤）
+
Semantic Search（语义检索）
+
Reranker（重排序器）

例如：

country = US（国家 = 美国）
AND
document_type = HR_POLICY（文档类型 = 人事政策）
AND
status = ACTIVE（状态 = 生效）

再进行 Semantic Search（语义检索）。

Principle（原则）

企业 RAG 通常不应该只有：

Vector Similarity（向量相似度）

更成熟的模式是：

Business Filter（业务过滤）
+
Search（检索）
+
Reranking（重排序）

Prevention（预防）

• Index（索引）时保留完整 Metadata（元数据）
• 文档建立 Ownership（责任归属）
• 明确 Active / Deprecated（生效/废弃）状态
• Retrieval Evaluation（检索评估）中加入业务条件测试

---

Related Topics（关联知识）

• Troubleshooting Methodology（问题排查方法论）
• RAG Answer Quality Is Poor（RAG 回答质量差）
• RAG Fundamentals（RAG 基础）
• Data Quality（数据质量）
• RAG Readiness Checklist（RAG 就绪检查清单）
• Glossary（中英文术语表）