Anthropic Contextual Retrieval(上下文增強檢索)是什麼、怎麼實現:給文檔塊自動補背景摘要結合緩存降失誤率

長文檔切成小塊後丟了公司名、年份和主語指代導致 RAG 頻頻搜錯?本文按 Anthropic 官方技術文章詳解 Contextual Retrieval 原理、官方公開評測失誤率下降 49% 至 67% 的組合架構,以及用 Claude 提示詞緩存低成本批量生成切片背景的完整 Python 代碼。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. 核心原理是在建索引前「先補背景再入庫」:傳統切塊直接把孤立段落轉成向量,丟掉了全文語境;Contextual Retrieval 讓模型結合整篇文檔,為每個小塊生成一段 50 至 100 字的專屬背景說明拼在塊首。
  2. 雙路同步增強效果翻倍:拼好背景的新文本不僅用來算稠密向量(Contextual Embeddings),還同步寫入關鍵詞倒排庫(Contextual BM25),Anthropic 官方公開評測顯示 Top-20 檢索失誤率降低 49%;再疊加上 Reranking 重排序後失誤率降低 67%。
  3. 靠 Prompt Caching 把離線建庫成本壓低一個數量級:處理同一篇長文檔的幾十個切片時,把整篇原文固定在提示詞前綴並打上 cache_control,除第 1 塊外其餘所有塊都按低至一折的緩存讀取價計費。
  4. 資料小於 20 萬 token 時不必折騰這套流水線:Anthropic 明確指出,若整個知識庫不到 20 萬 token(約 500 頁文本),直接把全量文檔塞入提示詞並開啟緩存比任何 RAG 都省事(對比見 RAG 與長上下文加緩存選型框架)。
  5. Claude 會員與開發工具訂閱入口:日常使用 Claude 網頁端項目知識庫或 Claude Code 寫檢索工程,國內免外幣卡開通可見本站 Claude Pro 充值頁、Claude Max 充值頁 與 AI 會員充值中心。

Anthropic 公開檢索失誤率對比

圖:本站根據 Anthropic:Introducing Contextual Retrieval 整理的示意圖

本文根據 Anthropic 官方技術網誌《Introducing Contextual Retrieval》與 Claude API 官方文檔《Prompt caching》整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Anthropic 官方網站。

適用於誰

  • 檢索多份歷年財報、多產品型號手冊或多主體合同時,經常把 A 公司數據錯當成 B 公司召回來的開發者;
  • 聽說 Anthropic 提出的 Contextual Retrieval 能顯著降低漏檢率,想看清它跟普通標題拼接有什麼本質區別的工程師;
  • 擔心給幾萬個文檔塊逐條調用大模型補背景會把 API 帳單燒穿,想掌握官方緩存省錢寫法的團隊。

一、它到底解決了傳統 RAG 的什麼死穴

假設你的知識庫裏存了十幾家上市公司近五年的季報,其中一個切片原文只有一句話:「該公司本季度營收環比增長 3%,主要受雲業務帶動」。當用戶提問「ACME 公司 2023 年二季度營收漲了多少?」時,傳統向量庫和 BM25 都會抓瞎——因為這個小塊裏既沒有 ACME 這個詞,也沒有 2023 年二季度。

經 Contextual Retrieval 預處理後,入庫文本會變成:

text
這段文字摘自 ACME 公司 2023 年第二季度 SEC 財報文件,前文匯報了 2023 年一季度營收為 3.14 億美元。該公司本季度營收環比增長 3%,主要受雲業務帶動。

補上這一句簡短定位後,無論是稠密向量(調用細節可參考 OpenAI Embeddings 向量教學)還是 BM25 詞面匹配,都能一次性精準鎖定公司名稱與季度歸屬。

二、官方標準提示詞與 Prompt Caching 省錢實現代碼

Contextual Retrieval 實現四步

圖:本站根據 Anthropic:Prompt caching 整理的示意圖

如果每處理一個切片都把幾萬字的整篇文檔重新計費一遍,帳單會非常昂貴。官方做法是利用 Claude 的 提示詞緩存(計費倍率與最短緩存門檻詳見 Claude 提示詞緩存入門教學):按「一篇文檔接一篇文檔」順序串行或小並發跑批,把 <document> 全文鎖在前綴加上 "cache_control": {"type": "ephemeral"},5 分鐘有效期內同篇文檔的第 2 至第 N 個切片全部享受緩存命中折扣:

python
import anthropic

client = anthropic.Anthropic()

def situate_chunk(whole_doc: str, chunk_text: str) -> str:
    """結合整篇文檔緩存,為單個切片生成簡短上下文定位說明"""
    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"},  # 固定全文前綴打緩存斷點
                    },
                    {
                        "type": "text",
                        "text": (
                            f"以下是我們需要定位在整篇文檔中的片段:\n<chunk>\n{chunk_text}\n</chunk>\n"
                            "請給出一段簡短精煉的背景說明(50-100字),交代該片段在整篇文檔中的語境以改進檢索效果。"
                            "請只返回這段簡短背景說明本身,不要輸出任何額外解釋。"
                        ),
                    },
                ],
            }
        ],
    )
    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後,把它同時送進向量數據庫生成 Embedding,並送進本地或搜尋引擎的 BM25 分詞索引。實操時請打印 resp.usage.cache_read_input_tokens,確認從第 2 個切片開始該字段大於 0,說明緩存真正生效了(各模型單價速查見 AI 大模型 API 官方價格對比)。

訂閱與帳號準備提示:搭好檢索底座後日常改寫業務代碼可配合 Claude Code 提效,支持在本站開通 Claude Code 訂閱;若註冊官方 API 或網頁帳號時彈出身份核驗卡住,也可查看本站 Claude KYC 人工協助(失敗不收費)。

三、落地上線的三項工程優化細節

  1. 按業務領域微調背景提示詞:金融財報、法律合同與代碼倉庫需要補齊的要素不同。例如對代碼倉庫做切塊時,可把上述指令微調為「交代該函數所在文件路徑、所屬類職責及上下游調用關係」,命中率比通用模板更高。
  2. 控制單篇文檔不超模型單次窗口:如果遇到單本長達上百萬 token 的超巨型 PDF,先按大章拆成幾萬 token 一份的獨立父章節作為 <document>,同樣能保留完整語境且不爆窗口。
  3. 離線批量任務可疊加 Message Batches 批處理:不着急幾分鐘內建完索引的歷史存量文檔,可優先測試批量接口或控制同文檔塊在 5 分鐘緩存 TTL 內緊湊跑完,防止請求間隔過長導致緩存過期重算。

常見問題

問:只往塊首拼「文件名 + Markdown 標題路徑」能不能代替 Contextual Retrieval?

答:拼標題是零成本的基礎操作,建議必做;但如果章節標題只叫「第三節:經營表現」,標題裏依然不含前文提到的年份、幣種單位或對比基準,大模型讀完全文生成的動態背景句能補上靜態標題樹沒有的跨段隱含主語。

問:檢索召回後餵給生成模型時,是喂「原始切片」還是「帶背景說明的拼接切片」?

答:Anthropic 官方方案直接把「背景說明 + 原始切片」一併送給後續 Rerank 重排模型和最終生成大模型。因為前置的那句背景同樣能幫重排器和生成模型看懂代詞指代,防止張冠李戴。

問:文檔局部修訂了一段話,需要整篇重新跑一遍所有切片的背景生成嗎?

答:如果只是改正錯別字或局部數字,只重跑被修改的那一兩個切片即可;但如果修改了文檔開頭的適用對象、生效年份等全局前提,則應整篇重刷以保證各子塊背景一致。

問:人在國內沒有境外信用卡,怎麼訂閱 Claude 會員或為團隊採購報銷開票?

答:可前往本站 AI 會員充值中心 自助選購 Claude Pro 免上號卡密 或 Claude Max 充值服務(無需交出密碼,24 小時自助兌換),支持支付寶、微信支付與 AlipayHK 並可開具增值稅發票;實時價格與售後邊界(掉訂閱按剩餘天數折退,封號不在質保範圍)以頁面展示為準。

相關教學

參考資料

  • Anthropic 官方技術網誌:Introducing Contextual Retrieval — https://www.anthropic.com/news/contextual-retrieval
  • Claude API 官方文檔:Prompt caching — https://platform.claude.com/docs/en/build-with-claude/prompt-caching

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同模型

  1. 01

    寫代碼兼顧辦公,同時訂「ChatGPT Plus + Claude Pro 雙會員」還是單上「Max / Pro 高階檔」怎麼算帳

    每月花 $40 同時訂 ChatGPT Plus + Claude Pro 雙會員,還是花 $100 單上 Claude Max 或 ChatGPT Pro 100?本文按兩家官方定價頁拆解編程智能體、多模態辦公、限額容災與獨佔功能帳本,給出清晰選型公式。

    ChatGPTClaude0
  2. 02

    Notion AI 怎麼收費、包含在套餐裏還是單獨買:工作區知識問答、數據庫自動填表與對比 Claude / ChatGPT 選型

    Notion AI 現在還能單獨加購嗎?按 Notion 官方現行定價頁,完整 Notion AI 已直接打包進 Business(年付 $20/成員/月,月付 $24)與 Enterprise 套餐,Free 和 Plus 僅含少量試用。本文講清計費變化、三大核心功能及與獨立會員的取捨。

    其他 AI 工具0
  3. 03

    Raycast AI(Pro / Pro+ / Max)是什麼、怎麼配 BYOK 自帶密鑰:快捷呼出 Claude 與 GPT 桌面工作流

    Raycast AI 支持在桌面端全局快捷鍵呼出 Claude、GPT 與 Gemini。本文按官方手冊說明 Raycast Pro、Pro+、Max 積分檔位差別,以及配置 BYOK(自帶 API 密鑰)的前置條件、設定步驟與快捷指令工作流。

    其他 AI 工具0
  4. 04

    Perplexity Pro 值得買嗎:每月 $20 比免費版多什麼、可選哪些 Claude / GPT 模型與深度檢索用法

    Perplexity Pro 月付 $20(年付約 $17/月),比免費版多出高配額 Pro 搜尋、切換 Claude 與 GPT 模型及更高頻的 Deep Research 深度檢索。本文對比各檔權益,幫你判斷訂它還是獨立對話會員。

    其他 AI 工具0
  5. 05

    Claude API Citations 原文引用結合 Files API 搭建可溯源企業制度問答指南

    搭公司內部報銷、法務或操作規程問答機器人,不想折騰複雜的切片向量數據庫又怕大模型胡編頁碼?本文按 Anthropic 官方文檔詳解用 Files API 傳一次 PDF 拿 file_id,結合 Citations 原生返回精確頁碼與原文摘錄的完整架構。

    Claude0
  6. 06

    Claude API 提示詞緩存(Prompt Caching)疊加批處理(Batches)降本架構與 TTL 選擇

    單開批處理省一半、單開提示詞緩存省九成,這兩項在 Claude API 裏能不能疊在一起用?本文按 Anthropic 官方文檔拆解 5m 與 1h 兩檔 TTL 寫入費率對比、Batches 疊加 1 小時緩存的 Python 代碼與亂序命中調優。

    Claude0

同產品的其他教學

  1. 01

    用 ChatGPT 速讀英文產品手冊、開源文檔與 GitHub Issue 並沉澱團隊中文內訓手冊

    團隊引入海外 SaaS 工具或開源框架時,全英文文檔晦澀冗長、真正的坑全藏在幾十頁 GitHub Issue 討論裏。本文分享速讀拆解英文手冊、歸類 Issue 排障庫以及重構團隊中文內訓 SOP 的完整實戰流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 寫油猴腳本(Tampermonkey)與瀏覽器書籤小工具解決網頁繁瑣重複操作實戰

    每天在後台系統裏重複勾選幾十個複選框、手工複製網頁表格或清理遮擋閱讀的側邊欄,既枯燥又浪費時間。本文分享不會寫 JS 也能用 F12 配合 ChatGPT 寫出油猴腳本與書籤小工具的完整實戰流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 寫高質素 SQL 窗口函數(RANK / LAG / SUM OVER)做留存與漏斗分析實戰

    做用戶留存率、復購間隔與有序轉化漏斗時,多層自連接既難讀又拖垮數據庫,窗口函數則是高效解法。本文整理數據庫方言喂數規範、CTE 分層提示詞以及用內置沙盒先驗證再上線的完整實戰流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 連接 Canva、Figma、Linear、Jira、Dropbox 等第三方應用搜不到數據或授權失效怎麼辦

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 後,明明顯示已連接卻搜不到文件工單,或老提示授權失效怎麼辦?本文拆解帳號錯綁、OAuth 範圍漏選、權限繼承與管理員攔截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    RAG 知識庫回答不準怎麼調優:切片大小(Chunking)、BM25 + 向量混合檢索與 Rerank 重排序三步排查法

    搭好的 RAG 企業知識庫一問具體型號、報錯碼或跨行表格就答非所問?本文按 OpenAI 與 Anthropic 官方檢索文檔,給出先隔離檢索與生成故障、再按結構化切片(Chunking)、BM25 加向量混合召回(RRF)與 Rerank 重排序逐層調優的三步法。

    Claude其他 AI 工具0
  6. 06

    Langfuse 開源本地部署(Docker Compose)與提示詞版本管理(Prompt Management)從零上手教學

    企業內網嚴禁業務日誌出境,又想免費擁有大模型調用鏈追蹤與不發版熱更新提示詞的能力?本文按 Langfuse 官方文檔整理 Docker Compose 本地一鍵啟動(含 ClickHouse 架構注意事項)、密鑰配置與 Prompt Management 標籤化版本管理全流程。

    Claude其他 AI 工具0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~