RAG优化字典：20种RAG优化方法全解析

一句话概括

系统罗列 RAG 全链路优化方法并附代码——分块层有语义分块（百分位/标准差/IQR 三种断点）、chunk size 用忠实度+相关性评估选 128/256/512；检索层有上下文窗口扩展、CCH 标题嵌入、查询改写/Step-back 回退/子查询分解等策略。

实践内容

分块层优化

语义分块三种断点：

1. 百分位断点 —— 按百分位阈值切分
2. 标准差断点 —— 按标准差阈值切分
3. IQR 断点 —— 按四分位距切分

Chunk Size 选择：

• 用忠实度 + 相关性评估选 128/256/512
• 不同场景需要不同的 chunk size

检索层优化

1. 上下文窗口扩展 —— 扩展检索结果的上下文
2. CCH 标题嵌入 —— 标题嵌入与文本嵌入平均
3. 文档增强问题生成 —— 为文档生成可能的问题
4. 查询改写 —— 改写用户查询以提高检索质量
5. Step-back 回退 —— 退后一步思考更抽象的问题
6. 子查询分解 —— 将复杂查询分解为子查询

生成质量控制

• 检索增强
• 查询优化
• 生成质量控制

摘录

系统罗列 RAG 全链路优化方法并附代码——分块层有语义分块（百分位/标准差/IQR 三种断点）、chunk size 用忠实度 + 相关性评估选 128/256/512。

检索层有上下文窗口扩展、CCH 标题嵌入与文本嵌入平均、文档增强问题生成、查询改写/Step-back 回退/子查询分解等查询转换策略，覆盖检索增强、查询优化、生成质量控制多维度。

涉及实体

• RAG —— RAG 全链路优化方法
• LightRAG —— LightRAG 是 RAG 的一种优化实现

涉及主题

• AI-Infra推理优化-主题

我的评注

这是一份很全面的 RAG 优化手册。语义分块的三种断点方法（百分位/标准差/IQR）是实用的技术细节。Chunk Size 的选择也很关键——128/256/512 各有适用场景，需要通过忠实度+相关性评估来选择。