知识库明明有答案，RAG 却检索到旧版或不相干段落时，先看检索结果本身：问题送入检索时变成了什么查询、哪些文件被过滤掉、候选片段如何排序。不要只改生成模型的提示词。下面用一份假设的差旅制度说明排查顺序；示例不代表真实企业数据。
先固定一个可复现的问题
假设现行《差旅制度 2026》写着“华东地区经理级住宿上限为每晚 600 元”，旧版《差旅制度 2024》写着 500 元。测试问题固定为“华东经理出差住宿上限是多少？请给制度出处”。记录请求时间、用户可访问的资料范围、知识库版本、原始问法和预期命中的文件及条款。若没有预期片段，就无法判断是“没找到”还是“找到了但答案错”。
把一次请求的前几条检索结果导出，至少保留文件名、片段原文、版本、分数或排序位置、过滤条件。OpenAI Retrieval 文档展示的搜索结果包含来源文件、片段、分数与文件属性，也说明了查询改写、属性过滤和排序选项；具体字段应以你所用平台的当前日志为准。
按三层定位错误
- 查询层：原问题有“华东”“经理”“住宿上限”，但检索查询只剩“差旅标准”时，检查平台是否启用了查询改写，并把改写后的查询与原问题并排记录。OpenAI 的 Retrieval API 可用
rewrite_query=true，结果中的search_query可供核对。测试改写前后是否仍保留地区、职级和主题；若关键限制丢失，先修查询构造或禁用该次改写实验。 - 过滤层：现行文件没进候选集，先查文件是否已完成索引，再查版本、部门、权限等属性过滤。可做一次仅用于诊断的授权范围内放宽过滤测试：放宽后能找到，说明过滤条件或元数据可能错误；放宽后仍找不到，再查导入和分段。生产请求不能用“取消权限过滤”作为修复。OpenAI 文档的
attribute_filter支持用文件属性缩小搜索范围。 - 排序层：新旧片段都在候选集，但旧版排前面时，检查文本关键词、向量相似度及重排策略；把“现行版”作为明确属性过滤通常比单纯抬高相关性阈值更直接。OpenAI 文档说明
ranking_options可设置分数阈值，也可调混合搜索的语义与文本权重。阈值升高可能把真正有用的片段一起排除，应在固定问题集上比较，不能凭一次回答调参。
怎样确认修好了
用同一组问题重复检索，逐条核对：目标现行片段是否进入候选集、是否排在可用位置、旧版是否被版本规则排除、回答是否引用了正确出处。再加入“华东普通员工”“华南经理”“制度未写的城市”三个反例，防止只把原问题调通。若候选片段已经正确而答案仍引用错数字，问题转到生成或引用拼接层；若连授权文件都查不到，先处理数据源与索引，不要把失败写成“模型不够聪明”。
以上为排查方法示例，未连接读者的知识库实测。不同平台的字段与排序器不完全相同，但“固定问题—看候选—定位层次—回归测试”的顺序可以复用。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/29872.html
