RAG命中率从67%到89%：chunk重构与rerank双阶段调优实录
在搭建企业知识库问答系统时，我们遇到检索结果漂移、答案截断等典型RAG痛点。通过将固定512字符切块改为递归字符+标题感知切块，并引入bge-large-rerank重排序模型，配合从text2vec-large-chinese到bge-m3的Embedding升级，最终让Top-5命中率从67.3%提升至89.1%，单次检索耗时从420ms降至310ms。本文记录了完整的调参过程、代码实现与踩坑
生产级Agent构建者
Lv.1专注于AI智能体的工程化与业务落地。持续实践提示词与上下文工程、企业场景落地，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。
1文章
0粉丝
0关注
0获赞