Anthropic Contextual Retrieval(上下文增强检索)是什么、怎么实现:给文档块自动补背景摘要结合缓存降失误率

长文档切成小块后丢了公司名、年份和主语指代导致 RAG 频频搜错?本文按 Anthropic 官方技术文章详解 Contextual Retrieval 原理、官方公开评测失误率下降 49% 至 67% 的组合架构,以及用 Claude 提示词缓存低成本批量生成切片背景的完整 Python 代码。

NNathaniel bigo··原创首发·AI 辅助撰写
10 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. 核心原理是在建索引前「先补背景再入库」:传统切块直接把孤立段落转成向量,丢掉了全文语境;Contextual Retrieval 让模型结合整篇文档,为每个小块生成一段 50 至 100 字的专属背景说明拼在块首。
  2. 双路同步增强效果翻倍:拼好背景的新文本不仅用来算稠密向量(Contextual Embeddings),还同步写入关键词倒排库(Contextual BM25),Anthropic 官方公开评测显示 Top-20 检索失误率降低 49%;再叠加上 Reranking 重排序后失误率降低 67%。
  3. 靠 Prompt Caching 把离线建库成本压低一个数量级:处理同一篇长文档的几十个切片时,把整篇原文固定在提示词前缀并打上 cache_control,除第 1 块外其余所有块都按低至一折的缓存读取价计费。
  4. 资料小于 20 万 token 时不必折腾这套流水线:Anthropic 明确指出,若整个知识库不到 20 万 token(约 500 页文本),直接把全量文档塞入提示词并开启缓存比任何 RAG 都省事(对比见 RAG 与长上下文加缓存选型框架)。
  5. Claude 会员与开发工具订阅入口:日常使用 Claude 网页端项目知识库或 Claude Code 写检索工程,国内免外币卡开通可见本站 Claude Pro 充值页、Claude Max 充值页 与 AI 会员充值中心。

Anthropic 公开检索失误率对比

图:本站根据 Anthropic:Introducing Contextual Retrieval 整理的示意图

本文根据 Anthropic 官方技术博客《Introducing Contextual Retrieval》与 Claude API 官方文档《Prompt caching》整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Anthropic 官方网站。

适用于谁

  • 检索多份历年财报、多产品型号手册或多主体合同时,经常把 A 公司数据错当成 B 公司召回来的开发者;
  • 听说 Anthropic 提出的 Contextual Retrieval 能显著降低漏检率,想看清它跟普通标题拼接有什么本质区别的工程师;
  • 担心给几万个文档块逐条调用大模型补背景会把 API 账单烧穿,想掌握官方缓存省钱写法的团队。

一、它到底解决了传统 RAG 的什么死穴

假设你的知识库里存了十几家上市公司近五年的季报,其中一个切片原文只有一句话:「该公司本季度营收环比增长 3%,主要受云业务带动」。当用户提问「ACME 公司 2023 年二季度营收涨了多少?」时,传统向量库和 BM25 都会抓瞎——因为这个小块里既没有 ACME 这个词,也没有 2023 年二季度。

经 Contextual Retrieval 预处理后,入库文本会变成:

text
这段文字摘自 ACME 公司 2023 年第二季度 SEC 财报文件,前文汇报了 2023 年一季度营收为 3.14 亿美元。该公司本季度营收环比增长 3%,主要受云业务带动。

补上这一句简短定位后,无论是稠密向量(调用细节可参考 OpenAI Embeddings 向量教程)还是 BM25 词面匹配,都能一次性精准锁定公司名称与季度归属。

二、官方标准提示词与 Prompt Caching 省钱实现代码

Contextual Retrieval 实现四步

图:本站根据 Anthropic:Prompt caching 整理的示意图

如果每处理一个切片都把几万字的整篇文档重新计费一遍,账单会非常昂贵。官方做法是利用 Claude 的 提示词缓存(计费倍率与最短缓存门槛详见 Claude 提示词缓存入门教程):按「一篇文档接一篇文档」顺序串行或小并发跑批,把 <document> 全文锁在前缀加上 "cache_control": {"type": "ephemeral"},5 分钟有效期内同篇文档的第 2 至第 N 个切片全部享受缓存命中折扣:

python
import anthropic

client = anthropic.Anthropic()

def situate_chunk(whole_doc: str, chunk_text: str) -> str:
    """结合整篇文档缓存,为单个切片生成简短上下文定位说明"""
    resp = client.messages.create(
        model="claude-haiku-4-5",
        max_tokens=200,
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": f"<document>\n{whole_doc}\n</document>",
                        "cache_control": {"type": "ephemeral"},  # 固定全文前缀打缓存断点
                    },
                    {
                        "type": "text",
                        "text": (
                            f"以下是我们需要定位在整篇文档中的片段:\n<chunk>\n{chunk_text}\n</chunk>\n"
                            "请给出一段简短精炼的背景说明(50-100字),交代该片段在整篇文档中的语境以改进检索效果。"
                            "请只返回这段简短背景说明本身,不要输出任何额外解释。"
                        ),
                    },
                ],
            }
        ],
    )
    context_prefix = resp.content[0].text.strip()
    return f"{context_prefix}\n\n{chunk_text}"

拿到返回的拼接字符串后,把它同时送进向量数据库生成 Embedding,并送进本地或搜索引擎的 BM25 分词索引。实操时请打印 resp.usage.cache_read_input_tokens,确认从第 2 个切片开始该字段大于 0,说明缓存真正生效了(各模型单价速查见 AI 大模型 API 官方价格对比)。

订阅与账号准备提示:搭好检索底座后日常改写业务代码可配合 Claude Code 提效,支持在本站开通 Claude Code 订阅;若注册官方 API 或网页账号时弹出身份核验卡住,也可查看本站 Claude KYC 人工协助(失败不收费)。

三、落地上线的三项工程优化细节

  1. 按业务领域微调背景提示词:金融财报、法律合同与代码仓库需要补齐的要素不同。例如对代码仓库做切块时,可把上述指令微调为「交代该函数所在文件路径、所属类职责及上下游调用关系」,命中率比通用模板更高。
  2. 控制单篇文档不超模型单次窗口:如果遇到单本长达上百万 token 的超巨型 PDF,先按大章拆成几万 token 一份的独立父章节作为 <document>,同样能保留完整语境且不爆窗口。
  3. 离线批量任务可叠加 Message Batches 批处理:不着急几分钟内建完索引的历史存量文档,可优先测试批量接口或控制同文档块在 5 分钟缓存 TTL 内紧凑跑完,防止请求间隔过长导致缓存过期重算。

常见问题

问:只往块首拼「文件名 + Markdown 标题路径」能不能代替 Contextual Retrieval?

答:拼标题是零成本的基础操作,建议必做;但如果章节标题只叫「第三节:经营表现」,标题里依然不含前文提到的年份、币种单位或对比基准,大模型读完全文生成的动态背景句能补上静态标题树没有的跨段隐含主语。

问:检索召回后喂给生成模型时,是喂「原始切片」还是「带背景说明的拼接切片」?

答:Anthropic 官方方案直接把「背景说明 + 原始切片」一并送给后续 Rerank 重排模型和最终生成大模型。因为前置的那句背景同样能帮重排器和生成模型看懂代词指代,防止张冠李戴。

问:文档局部修订了一段话,需要整篇重新跑一遍所有切片的背景生成吗?

答:如果只是改正错别字或局部数字,只重跑被修改的那一两个切片即可;但如果修改了文档开头的适用对象、生效年份等全局前提,则应整篇重刷以保证各子块背景一致。

问:人在国内没有境外信用卡,怎么订阅 Claude 会员或为团队采购报销开票?

答:可前往本站 AI 会员充值中心 自助选购 Claude Pro 免上号卡密 或 Claude Max 充值服务(无需交出密码,24 小时自助兑换),支持支付宝、微信支付与 AlipayHK 并可开具增值税发票;实时价格与售后边界(掉订阅按剩余天数折退,封号不在质保范围)以页面展示为准。

相关教程

参考资料

  • Anthropic 官方技术博客:Introducing Contextual Retrieval — https://www.anthropic.com/news/contextual-retrieval
  • Claude API 官方文档:Prompt caching — https://platform.claude.com/docs/en/build-with-claude/prompt-caching

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同模型

  1. 01

    写代码兼顾办公,同时订「ChatGPT Plus + Claude Pro 双会员」还是单上「Max / Pro 高阶档」怎么算账

    每月花 $40 同时订 ChatGPT Plus + Claude Pro 双会员,还是花 $100 单上 Claude Max 或 ChatGPT Pro 100?本文按两家官方定价页拆解编程智能体、多模态办公、限额容灾与独占功能账本,给出清晰选型公式。

    ChatGPTClaude0
  2. 02

    Notion AI 怎么收费、包含在套餐里还是单独买:工作区知识问答、数据库自动填表与对比 Claude / ChatGPT 选型

    Notion AI 现在还能单独加购吗?按 Notion 官方现行定价页,完整 Notion AI 已直接打包进 Business(年付 $20/成员/月,月付 $24)与 Enterprise 套餐,Free 和 Plus 仅含少量试用。本文讲清计费变化、三大核心功能及与独立会员的取舍。

    其他 AI 工具0
  3. 03

    Raycast AI(Pro / Pro+ / Max)是什么、怎么配 BYOK 自带密钥:快捷呼出 Claude 与 GPT 桌面工作流

    Raycast AI 支持在桌面端全局快捷键呼出 Claude、GPT 与 Gemini。本文按官方手册说明 Raycast Pro、Pro+、Max 积分档位差别,以及配置 BYOK(自带 API 密钥)的前置条件、设置步骤与快捷指令工作流。

    其他 AI 工具0
  4. 04

    Perplexity Pro 值得买吗:每月 $20 比免费版多什么、可选哪些 Claude / GPT 模型与深度检索用法

    Perplexity Pro 月付 $20(年付约 $17/月),比免费版多出高配额 Pro 搜索、切换 Claude 与 GPT 模型及更高频的 Deep Research 深度检索。本文对比各档权益,帮你判断订它还是独立对话会员。

    其他 AI 工具0
  5. 05

    Claude API Citations 原文引用结合 Files API 搭建可溯源企业制度问答指南

    搭公司内部报销、法务或操作规程问答机器人,不想折腾复杂的切片向量数据库又怕大模型胡编页码?本文按 Anthropic 官方文档详解用 Files API 传一次 PDF 拿 file_id,结合 Citations 原生返回精确页码与原文摘录的完整架构。

    Claude0
  6. 06

    Claude API 提示词缓存(Prompt Caching)叠加批处理(Batches)降本架构与 TTL 选择

    单开批处理省一半、单开提示词缓存省九成,这两项在 Claude API 里能不能叠在一起用?本文按 Anthropic 官方文档拆解 5m 与 1h 两档 TTL 写入费率对比、Batches 叠加 1 小时缓存的 Python 代码与乱序命中调优。

    Claude0

同产品的其他教程

  1. 01

    用 ChatGPT 速读英文产品手册、开源文档与 GitHub Issue 并沉淀团队中文内训手册

    团队引入海外 SaaS 工具或开源框架时,全英文文档晦涩冗长、真正的坑全藏在几十页 GitHub Issue 讨论里。本文分享速读拆解英文手册、归类 Issue 排障库以及重构团队中文内训 SOP 的完整实战流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 写油猴脚本(Tampermonkey)与浏览器书签小工具解决网页繁琐重复操作实战

    每天在后台系统里重复勾选几十个复选框、手工复制网页表格或清理遮挡阅读的侧边栏,既枯燥又浪费时间。本文分享不会写 JS 也能用 F12 配合 ChatGPT 写出油猴脚本与书签小工具的完整实战流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 写高质量 SQL 窗口函数(RANK / LAG / SUM OVER)做留存与漏斗分析实战

    做用户留存率、复购间隔与有序转化漏斗时,多层自连接既难读又拖垮数据库,窗口函数则是高效解法。本文整理数据库方言喂数规范、CTE 分层提示词以及用内置沙盒先验证再上线的完整实战流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 连接 Canva、Figma、Linear、Jira、Dropbox 等第三方应用搜不到数据或授权失效怎么办

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 后,明明显示已连接却搜不到文件工单,或老提示授权失效怎么办?本文拆解账号错绑、OAuth 范围漏选、权限继承与管理员拦截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    RAG 知识库回答不准怎么调优:切片大小(Chunking)、BM25 + 向量混合检索与 Rerank 重排序三步排查法

    搭好的 RAG 企业知识库一问具体型号、报错码或跨行表格就答非所问?本文按 OpenAI 与 Anthropic 官方检索文档,给出先隔离检索与生成故障、再按结构化切片(Chunking)、BM25 加向量混合召回(RRF)与 Rerank 重排序逐层调优的三步法。

    Claude其他 AI 工具0
  6. 06

    Langfuse 开源本地部署(Docker Compose)与提示词版本管理(Prompt Management)从零上手教程

    企业内网严禁业务日志出境,又想免费拥有大模型调用链追踪与不发版热更新提示词的能力?本文按 Langfuse 官方文档整理 Docker Compose 本地一键启动(含 ClickHouse 架构注意事项)、密钥配置与 Prompt Management 标签化版本管理全流程。

    Claude其他 AI 工具0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~