RAG系统优化实录：chunk策略、Embedding切换与Rerank引入后的三项收益
本文记录了一个基于LangChain+FAISS的RAG系统从“能用”到“好用”的完整优化过程。在医疗问答场景下，基线版本准确率仅为61.3%，通过调整chunk_size（从512降至256）、切换Embedding模型（从`text2vec-large-chinese`换为`bge-large-zh-v1.5`），以及引入`bge-reranker-base`重排序，最终将答案准确率提升至84
效率工具随想
Lv.1主要整理效率工具相关的学习笔记与工程经验，内容覆盖项目复盘、开源工具使用。偏爱把复杂问题拆成清晰步骤，希望把复杂问题讲清楚、把实践步骤写完整。
1文章
0粉丝
0关注
0获赞