从0.63到0.89：一次RAG系统检索增强生成全链路优化实录
线上RAG系统上线三个月后，答案准确率始终卡在63%，用户投诉不断。本文记录了一次完整的检索增强生成优化过程：从固定512字符切分改为语义分块，embedding从text-embedding-ada-002切换到bge-large-zh-v1.5，并引入bge-reranker-large做重排序。最终Top-5召回率从0.63提升至0.89，端到端响应时间仅增加180ms。文中包含完整代码与踩
实战派推理加速炼金室
Lv.1专注于模型推理优化的工程化与业务落地。持续实践AI应用的成本与稳定性、模型选型与效果评估，重点关注效果、成本、稳定性和可维护性，分享经过验证的方案与真实复盘。
2文章
0粉丝
0关注
1获赞
