专栏：大模型应用开发：从原理到生产
篇号：24
内容标签：RAG、Hybrid Search、Rerank、Query Rewrite、AI应用开发
上一篇我们做了一次 RAG 排障。
结论很直接：RAG 答不准，不能先怪模型。先看 Top-K 里有没有正确资料，资料是不是完整，排序是不是靠前，上下文有没有被污染。
这一篇继续往下走。
当你已经知道问题出在检索阶段，下一步该怎么优化？
很多项目会在这里开始堆东西。
Query Rewrite、Hybrid Search、Rerank、Embedding、Top-K、Prompt 全部一起改。
系统确实变复杂了，但效果有没有稳定变好，不一定。
这一篇只讲 RAG 检索优化里最常用、也最容易被混在一起的三件事：
- Query Rewrite：先把用户问题改成更适合检索的查询。
- Hybrid Search：同时用语义检索和关键词检索，避免漏掉精确词。
- Rerank：先粗召回一批候选，再用更精细的模型重新排序。
这三件事都能提升 RAG 效果，但解决的问题不一样，不能当成同一个按钮。
一、先把三件事放到同一条链路里
一个基础 RAG 系统，检索链路大致是这样：
