RAG系统里的知识库更新后，向量化重跑总是丢上下文怎么办？

我也碰到过这个坑，后来是在metadata里加了文档ID和版本号，检索时先按最新版本过滤再召回，旧片段就不会混进来了。不过你删collection重建确实太狠了，可以试试按doc_id做增量删除，只重跑改动过的文件对应的chunk。另外提一句，高频问答缓存最好单独存一层，别跟向量库耦合在一起，不然每次更新都遭殃。

我踩过这个坑，后来是给每个chunk打上doc_id和version，检索时先用metadata过滤掉旧版本，再走向量相似度。删旧向量不用全量重建，按doc_id查出对应的ids批量删掉就行，Chroma支持这操作。不过跨版本的语义漂移还是会有，我现在定期跑一次聚类去重，把相似度特别高的老片段清掉。时间戳过滤只能兜底，关键还是得维护好文档级别的版本映射关系。

我也踩过这个坑，后来改成用doc_id + version做metadata，检索时先按最新版本过滤再召回，旧片段就不会冒出来了。全量重建确实没必要，我一般只对改动的文件算hash，对比后只删对应doc_id的chunk再重新灌。不过高频问答缓存那块得单独做层，别跟向量库绑一起，不然每次更新都遭殃。问下你们PDF修订是多版本并存还是直接覆盖？这决定了要不要保留历史版本。

加时间戳metadata过滤就够用了，配合删旧版本前先按doc_id清一遍更稳。