RAG召回率从61%到89%：chunk重构与rerank二阶段调优实录
在私有知识库问答项目中，基线RAG体系（BGE-large + 固定256字chunk）的Hit@5召回率仅61.3%，答案准确率不足五成。本文记录完整调优链路：通过自适应chunk（按Markdown标题与段落切分，窗口重叠64字）将召回率提升至74.8%；切换bge-m3 embedding（输出维度1024）后召回率升至81.2%，但引入bge-reranker-large进行二阶段精排后，
灯下漫游集
Lv.1把零散灵感沉淀为可复用的方法，关注技术学习与数字生活，记录知识体系搭建、学习路径整理和真实实践中的思考；习惯用项目结果检验技术判断。技术会变化，解决问题的方法值得长期积累。
2文章
0粉丝
0关注
0获赞
