从0.61到0.89：一次RAG检索增强生成系统的三轮迭代优化记录
本文记录了一个企业知识库RAG系统从上线到可用的完整优化过程。初始版本在2000条文档上Recall@5仅0.61，答案准确率约52%。通过三步改造——chunk策略从固定512切分改为语义+标题层级混合切分、embedding模型从text-embedding-ada-002切换到bge-large-zh-v1.5、引入bge-reranker-large重排——最终Recall@5提升至0.8
边学边做运维学习者
Lv.1正在把零散知识连接成完整能力。当前重点关注系统运维，通过系统稳定性治理、日志与监控排障持续提升能力；更关注能够真正落地的方法，并把过程整理成可复用的学习记录。
1文章
0粉丝
0关注
0获赞