我要投稿

告别新手级RAG！一文掌握专业级后检索优化流水线

发布日期：2025-09-09 18:28:21 浏览次数： 1533

作者：小曾AI纪

微信搜一搜，关注“小曾AI纪”

众所周知，检索是检索增强生成 (RAG) 系统的核心。它直接决定哪些文档片段给到大语言模型（LLM）来生成最终答案。

不过，并不是所有的检索结果都是理想的。比如，在返回的前K个文档结果中，并不是最相关的。还有返回的结果过于冗长或已经过时，也会影响最终答案的质量。

在前面我们通过两篇文章学习了两种预检索优化策略：

查询路由（Query Routing）和查询构建（Query Construction）。

它们主要专注于提高RAG系统在检索过程中的效率，而我们今天想聊聊关于一些检索后的优化策略，能够有效的提高检索结果的质量。

常见的检索后优化策略如下：

• 重排（re-ranking）：在初始的检索结果中，会得到大量的文本块，它们与用户查询的相关性各不相同。对每个检索到的文本进行评分，然后通过分数进行重新排序或丢弃不相关的文本块。
• 压缩（compression）：即使检索到相关的文本块，但它们可能太长或包含分散注意力的噪声。将长文本压缩成摘要，过滤不相关的句子，以确保生成大模型的上下文窗口得到有效利用。
• 校正（correction）：在检索结果生成后对其进行检查和修正，确保输出结果的准确性和连贯性。当然校正的过程中也会增加系统的复杂性和计算资源需求。

因为篇幅原因，这篇文章我将重点聚焦于其中的“重排”技术。

重排

简单来说，重排就是在拿到初步的检索结果后，不直接用，而是再“加工”一遍。通过更精细的算法，对这些结果进行重新打分和排序，把最相关的顶上去，把不相关的踢出去。

RRF（Reciprocal Rank Fusion）是一种简单有效的数据融合算法，它是将多个来源、评分标准各不相同的检索结果中，整合成最终统一的结果列表。

对于一些复杂的RAG场景中，想要得到更好的检索结果，可以通过综合多路召回结果表现来实现。这些检索路径可以是关键词检索和向量检索的结合、向量存储和结构化数据库存储的结合或者是不同检索策略（比如不同的分块策略、索引策略） 的结合。

但在实践中这里就会遇到一个难点，每路召回的评分标准并不是一样的（比如BM25的评分标准是关键词匹配得分，而语义检索使用的是余弦相似度）。如果我们只是简单的把这些分数相加，只会让结果变得更混乱，很难准确的得到最终的排名。

RRF算法就很好的解决这个问题。它的核心则是不关心这些标准不一样的分数，而只关注文档在每个检索结果列表中的“排名”。通过这种方式，它能将所有检索结果统一起来，有效的综合多路召回的优势，得到一个更加精确的最终排名。

RRF算法公式如下：

d：代表一个特定的文本块，它是我们希望进行排名的对象。

R：代表一个集合，包含了所有检索结果列表。

r：代表集合 R 中的一个具体的检索列表。

r(d)：代表文档 d 在某个具体的检索列表 r 中的排名（Rank）。

k：是一个平滑常数，通常设为一个较小的正整数，如 60。它的作用是防止排名靠前的文档得分过高，从而平衡排名靠前和靠后文档的贡献。

这样，对于一个文档 d，它在每个检索结果列表中的排名越高（即 r(d) 越小），其分母 (k+r(d)) 就越小，分子 1 不变，所以该文档在该列表中的得分就越高。最后，将这个文档在所有检索列表中的得分相加，就得到了它的最终 RRF 分数。得分越高，最终排名就越靠

RRF算法流程

RRF算法实现的重排它不涉及检索结果与查询之间的语义关系。而Cross-Encoder重排就是基于Cross-Encoder模型，在语义层面上实现的重排。

Cross-Encoder的工作原理是将用户的“查询”和每个“文档”作为一个整体，共同输入到一个深度学习模型（如Transformer）中进行计算，进而精确的判断两者之间的相关性。

优点是精确度极高。它能够深度分析查询与文档之间细微的语义关系，非常适合对结果的准确性要求很高的应用场景。

缺点是计算成本巨大并且效率低。每对“查询-文档”都需要一次完整的模型推理，导致GPU资源消耗大，延迟高。

基于上面的特点，因此在RAG系统中，Cross-Encoder通常被用在初始排序后的精细排序过程中。

首先，使用双编码器（Bi-Encoder）或稀疏嵌入模型从大数据集中快速进行初步的检索，然后再利用Cross-Encoder对于初步筛选的文本块结果集中（Top-100）进行一次精排，最终返回最相关的文本块（Top-10）。

Cross-Encoder 重排

ColBERT采取的是一种“延迟交互”策略。首先，离线将所有文档预计算成更细粒度的“词元级”向量（Token-level Embeddings）并存储。在用户查询时，只需计算查询的向量，然后与预存的文档向量进行高效比较，避免了对每个文档都进行完整的模型推理。

优点是精度和成本之间取得了很好的平衡。它比传统的向量检索要更精准，比Cross-Encoder又快得多、成本低得多，所以可以处理更大规模的候选文档集（如数百甚至上千）。

当然也有缺点，它需要使用大量的存储空间来存储所有文档的词元级向量，需要使用几十GB甚至更多。

所以它适合场景是拥有海量的文档库，又希望获取比简单向量检索更好的召回率，但又不希望像Cross-Encoder那样需要更多成本和更多时间开销。

无论是Cross-Encoder重排还是ColBERT重排，都是基于经典的深度学习模型的重排方法。现在进入到了大模型时代后，重排技术也迎来了新的进展。

利用大语言模型（LLM）的强大语义理解能力，通过设计特定的提示词（Prompt） 来对结果进行排序。例如，你可以让LLM“根据这份工作描述，对候选人简历进行排序”或“优先选择最近发布的、来源更权威的文章”等。

优化是有很好的灵活性。 可以根据任意复杂的、动态的、甚至类似人类主观判断的标准来进行排序，而且还不需要重新训练模型。

缺点当然就很明显，效率低而且还要承担不小的费用。每次调用LLM的API都会受网络影响有明显的延时，还要承担调用API服务商的费用。

因此在实际应用中，可以将以上方法组合成一个分层流水线：

• 第一层：初步检索：
使用BM25或基础向量搜索等快速、低成本的方法，从海量数据中捞出几百到上千个可能相关的文档，确保“召回率”。
• 第二层：精确筛选（ColBERT）：
使用像 ColBERT 这样的中间层技术，对上一步的结果进行处理，将其精简到50-100个，并进行更精准的排序。
• 第三层：最后润色（交叉编码器或 LLM）：
对最后剩下的几十个最相关的结果，使用 Cross-Encoder 或 LLM 进行最终的精排，确保呈现给用户的顶部结果是质量最高的。