检索增强生成如何筛选外部资料

检索增强生成（RAG）的回答质量，往往先由“找到了什么资料”决定，而不是由模型如何组织语言决定。外部资料筛选的目标，不是把尽可能多的文本塞进上下文，而是为当前问题挑出相关、可信、可核查且足以支撑回答的证据。

首先要判断相关性。资料与问题共享关键词，不代表真正回答了问题；筛选时应关注它是否覆盖问题中的对象、条件和时间范围。比如问题询问某项规则在特定情境下是否适用，只有谈论该规则、且涵盖该情境的材料才有直接价值。宽泛背景可以辅助理解，但不应挤掉关键证据。

其次要评估来源与适用范围。资料应能说明发布者、形成时间、适用对象及其边界。权威性不是脱离问题的固定标签：正式文件适合核对规则，实践说明可能更能解释操作方式，但二者不能互相替代。若材料适用范围不明，或把局部经验写成普遍结论，就应降低其作为回答依据的权重。

筛选还要处理时效与冲突。不同资料可能对应不同时间、版本或定义，不能只因措辞相似就合并成同一结论。应保留必要的时间背景，并检查来源之间是否真的矛盾，还是讨论范围不同。冲突无法消解时，模型应呈现差异与不确定性，而不是挑选一段最顺耳的文字。

最后，相关资料需要保留可追溯的出处和足够上下文。只截取一句话，容易丢掉限定条件；整份长文全部送入模型，又可能让关键证据淹没在噪声中。较稳妥的筛选单位，是能独立表达一个事实或判断、同时保留其适用条件的片段。这样既便于模型引用，也便于读者回到原文核验。

因此，RAG 的资料筛选应围绕“这段内容能否支撑当前判断”展开。相关性决定是否纳入，来源与边界决定可信程度，出处和上下文则决定答案能否被检查。