RAG 知识库怎么搭：文档切分与检索方案设计提示词（切块策略、元数据、混合检索、重排序，按你的文档类型定）
准备给企业文档、产品手册、制度或客服记录搭 RAG 知识库，不确定文档怎么切、块多大、要不要混合检索和重排序时用：描述文档类型和典型问题，得到一份分文档类型的切分与索引方案、需要保存的元数据清单，以及先用哪 20 个问题验证方案。
请你作为做过多个检索增强生成（RAG）项目的工程师，为我的知识库设计「文档入库与检索」方案。先理解文档和问题的特点，再给方案；不要一上来就推荐固定的块大小。 知识库里的文档类型与规模：[文档类型与规模] 文档的格式与结构特点：[格式与结构特点]（例如：带多级标题的 Word、扫描 PDF、含大量表格、问答对、聊天记录） 用户会问的典型问题（5–10 个真实例子）： [典型问题] 回答需要的特点：[回答要求]（例如：必须给出处、要最新版本、要跨文档汇总） 更新频率与权限要求：[更新与权限] 已有的技术条件：[技术栈与限制] 请按顺序输出： 一、问题画像：把我的典型问题归类（事实查找 / 步骤操作 / 对比汇总 / 需要多处信息拼合 / 精确匹配编号或术语），说明每类问题对检索的要求。 二、切分方案（按文档类型分别给）： - 切分依据：按标题层级、按段落、按问答对、按表格整体，还是固定长度加重叠；说明理由。 - 块的大致长度范围与重叠量，给出的是起始值，并说明用什么现象判断该调大还是调小。 - 表格、图片说明、代码块、页眉页脚、目录分别怎么处理。 - 每个块要不要带上「所属文档标题 + 章节路径」作为前缀，帮助脱离上下文也能读懂。 三、元数据设计：每个块应保存的字段（如文档名、章节路径、版本与更新日期、适用范围、权限标签、原文位置），以及各字段在过滤、排序、引用出处时怎么用。 四、检索方案： - 仅向量检索、仅关键词检索、还是两者混合；针对我的问题画像说明理由（例如编号、型号、专有名词多时关键词检索的价值）。 - 是否需要重排序、召回多少条再精选多少条（给起始值）。 - 是否需要查询改写、多路查询或按元数据先过滤。 - 同一内容多个版本并存时如何只取最新。 五、最小验证计划：建议我先准备的 20 个测试问题应覆盖哪些类型（含 3–5 个知识库里没有答案的问题），以及每个问题要记录什么（应命中的文档与段落）。 六、先不要做的事：哪些复杂方案（如知识图谱、多级索引、智能体式检索）在验证前不建议上，以及什么信号出现时再考虑。 凡是需要通过测试才能确定的数值，请明确标注「起始值，需用测试问题验证」，不要说成定论。
高亮处换成你自己的内容：[文档类型与规模]、[格式与结构特点]、[典型问题]、[回答要求]、[更新与权限]、[技术栈与限制]
已被复制 0 次
使用说明
为什么先问「问题」再定「切法」：切分没有通用的最佳参数。问步骤操作的，要把一整段步骤留在同一个块里；查编号和型号的，关键词检索比向量检索更可靠；要跨文档汇总的，单靠检索几个片段往往不够。所以提示词要求先做问题画像，再分文档类型给方案，并把所有数值都当作起始值。
怎么填变量：[典型问题] 一定要贴真实的问法（从客服记录、搜索日志、同事提问里抄），而不是自己想象的规范问题。[格式与结构特点] 里如实写出麻烦的地方：扫描件、合并单元格的表格、一个文件里夹着多个版本。[更新与权限] 如「制度每季度修订，旧版需下线；薪酬文件仅 HR 可查」。
常见问题与调整：
- 给的方案太全、不知道先做哪步 → 追问：「按一个人两周能完成的范围，给出第一版只做什么。」
- 表格检索效果差 → 追问：「针对含合并单元格的表格，给出三种处理方式的优缺点：整表转 Markdown、按行展开成句子、表格单独摘要后入库。」
- 想比较两种切分 → 追问：「设计一个对照实验：同一批测试问题，在两种切分下分别记录哪些指标。」
配合使用：模型拿到检索结果后怎么回答、怎么标注出处，见本站「RAG 知识库问答提示词」；上线前怎么系统评测，见「RAG 评测怎么做提示词」。
示例输出
示例，仅供参考（文档：约 300 份带多级标题的产品手册与 FAQ；典型问题多为「某型号怎么设置某功能」）
问题画像：约七成是「步骤操作」，且问题里带具体型号；两成是「事实查找」（参数、兼容性）；少量是跨型号对比。
切分方案（产品手册）
- 按标题层级切到「一个操作任务」为一块，步骤列表不拆开；过长的章节再按二级小标题细分。
- 块长度起始值：300–800 字（起始值，需用测试问题验证）；若发现回答常缺少后半段步骤，说明块被切碎了，应调大。
- 每块前缀加「型号 / 手册名 / 章节路径」。
检索方案：混合检索。型号是精确字符串，向量检索容易把相近型号混在一起；先按型号元数据过滤，再做向量加关键词检索，召回 20 条后重排序取 5 条（起始值）。
先不要做：知识图谱。等出现大量「哪些型号都支持某功能」这类跨文档汇总问题且现有方案答不好时再考虑。
同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～