RAG 知識庫怎麼搭：文檔切分與檢索方案設計提示詞（切塊策略、元數據、混合檢索、重排序，按你的文檔類型定）
準備給企業文檔、產品手冊、制度或客服記錄搭 RAG 知識庫，不確定文檔怎麼切、塊多大、要不要混合檢索和重排序時用：描述文檔類型和典型問題，得到一份分文檔類型的切分與索引方案、需要儲存的元數據清單，以及先用哪 20 個問題驗證方案。
請你作為做過多個檢索增強生成（RAG）項目的工程師，為我的知識庫設計「文檔入庫與檢索」方案。先理解文檔和問題的特點，再給方案；不要一上來就推薦固定的塊大小。 知識庫裏的文檔類型與規模：[文檔類型與規模] 文檔的格式與結構特點：[格式與結構特點]（例如：帶多級標題的 Word、掃描 PDF、含大量表格、問答對、聊天記錄） 用戶會問的典型問題（5–10 個真實例子）： [典型問題] 回答需要的特點：[回答要求]（例如：必須給出處、要最新版本、要跨文檔彙總） 更新頻率與權限要求：[更新與權限] 已有的技術條件：[技術棧與限制] 請按順序輸出： 一、問題畫像：把我的典型問題歸類（事實查找 / 步驟操作 / 對比彙總 / 需要多處資訊拼合 / 精確匹配編號或術語），說明每類問題對檢索的要求。 二、切分方案（按文檔類型分別給）： - 切分依據：按標題層級、按段落、按問答對、按表格整體，還是固定長度加重疊；說明理由。 - 塊的大致長度範圍與重疊量，給出的是起始值，並說明用什麼現象判斷該調大還是調小。 - 表格、圖片說明、代碼塊、頁眉頁腳、目錄分別怎麼處理。 - 每個塊要不要帶上「所屬文檔標題 + 章節路徑」作為前綴，幫助脫離上下文也能讀懂。 三、元數據設計：每個塊應儲存的字段（如文檔名、章節路徑、版本與更新日期、適用範圍、權限標籤、原文位置），以及各字段在過濾、排序、引用出處時怎麼用。 四、檢索方案： - 僅向量檢索、僅關鍵詞檢索、還是兩者混合；針對我的問題畫像說明理由（例如編號、型號、專有名詞多時關鍵詞檢索的價值）。 - 是否需要重排序、召回多少條再精選多少條（給起始值）。 - 是否需要查詢改寫、多路查詢或按元數據先過濾。 - 同一內容多個版本並存時如何只取最新。 五、最小驗證計劃：建議我先準備的 20 個測試問題應覆蓋哪些類型（含 3–5 個知識庫裏沒有答案的問題），以及每個問題要記錄什麼（應命中的文檔與段落）。 六、先不要做的事：哪些複雜方案（如知識圖譜、多級索引、智能體式檢索）在驗證前不建議上，以及什麼信號出現時再考慮。 凡是需要通過測試才能確定的數值，請明確標註「起始值，需用測試問題驗證」，不要說成定論。
高亮處換成你自己的內容：[文檔類型與規模]、[格式與結構特點]、[典型問題]、[回答要求]、[更新與權限]、[技術棧與限制]
已被複製 0 次
使用說明
為什麼先問「問題」再定「切法」：切分沒有通用的最佳參數。問步驟操作的，要把一整段步驟留在同一個塊裏；查編號和型號的，關鍵詞檢索比向量檢索更可靠；要跨文檔彙總的，單靠檢索幾個片段往往不夠。所以提示詞要求先做問題畫像，再分文檔類型給方案，並把所有數值都當作起始值。
怎麼填變量：[典型問題] 一定要貼真實的問法（從客服記錄、搜尋日誌、同事提問裏抄），而不是自己想像的規範問題。[格式與結構特點] 裏如實寫出麻煩的地方：掃描件、合併單元格的表格、一個文件裏夾着多個版本。[更新與權限] 如「制度每季度修訂，舊版需下線；薪酬文件僅 HR 可查」。
常見問題與調整：
- 給的方案太全、不知道先做哪步 → 追問：「按一個人兩週能完成的範圍，給出第一版只做什麼。」
- 表格檢索效果差 → 追問：「針對含合併單元格的表格，給出三種處理方式的優缺點：整錶轉 Markdown、按行展開成句子、表格單獨摘要後入庫。」
- 想比較兩種切分 → 追問：「設計一個對照實驗：同一批測試問題，在兩種切分下分別記錄哪些指標。」
配合使用：模型拿到檢索結果後怎麼回答、怎麼標註出處，見本站「RAG 知識庫問答提示詞」；上線前怎麼系統評測，見「RAG 評測怎麼做提示詞」。
示例輸出
示例，僅供參考（文檔：約 300 份帶多級標題的產品手冊與 FAQ；典型問題多為「某型號怎麼設定某功能」）
問題畫像：約七成是「步驟操作」，且問題裏帶具體型號；兩成是「事實查找」（參數、兼容性）；少量是跨型號對比。
切分方案（產品手冊）
- 按標題層級切到「一個操作任務」為一塊，步驟列表不拆開；過長的章節再按二級小標題細分。
- 塊長度起始值：300–800 字（起始值，需用測試問題驗證）；若發現回答常缺少後半段步驟，說明塊被切碎了，應調大。
- 每塊前綴加「型號 / 手冊名 / 章節路徑」。
檢索方案：混合檢索。型號是精確字符串，向量檢索容易把相近型號混在一起；先按型號元數據過濾，再做向量加關鍵詞檢索，召回 20 條後重排序取 5 條（起始值）。
先不要做：知識圖譜。等出現大量「哪些型號都支持某功能」這類跨文檔彙總問題且現有方案答不好時再考慮。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～