文档检索命中一句却缺上下文怎么办？按同文档相邻段扩展，并保留段落 ID

文档检索命中一段规则，例外条件却在下一段时，可以扩展同文档的相邻段落。扩展前先检查文档身份与顺序，不能把另一个文件的相同序号拼进证据。

开发文档RAG检索后处理的读者。本文使用 Python 3.11 或以上版本的标准库，先验证一组人工构造的小样本。AI 负责提出实现或解释差异，结果由本地检查决定；这里没有把模型回答当成真实运行结果。

补齐命中段落上下文前，先定规则

示例命中guide第2段，左右各取1段，因此得到guide的1、2、3段。policy第3段序号相同也不应进入。

段落身份使用doc_id和seq组合，排序按原文顺序；不能按检索分数排列扩展后的文本。

相邻并不必然相关，扩展范围需通过真实问题检验，并受证据预算限制。

给 AI 的输入要包含什么

把下面这份输入说明和你的实际样本一起交给可用的 AI 编程助手。示例只含虚构数据；对真实材料先去除账号凭据和个人信息。

给已有命中(doc=guide,seq=2)，仅在同doc左右各1段扩展；保留id/seq/text，按seq稳定排序。跨doc相同seq不能混入，不复制缺失段落。

要求模型保留检查条件，并把它认为缺少的业务定义列出来。若回答改变了输入字段、忽略异常分支或直接删除原材料，先要求修正，再运行。提示词的作用是缩小任务范围，验收仍以代码和数据为准。

保存并运行最小验证程序

下方程序把关键规则和验证用例放在同一个可复跑示例中，便于先理解输入如何变成输出，再用它检查 AI 给出的实现。

新建一个空目录，把下面代码保存为 check.py，在该目录打开终端，运行 python -X utf8 check.py。代码自带示例输入，不需要安装第三方库。

chunks=[{'id':'g1','doc':'guide','seq':1,'text':'范围'},{'id':'g2','doc':'guide','seq':2,'text':'规则'},{'id':'g3','doc':'guide','seq':3,'text':'例外'},{'id':'p3','doc':'policy','seq':3,'text':'其它'}]
def expand(doc,seq,radius):
    if type(seq) is not int or type(radius) is not int or radius<0: raise ValueError('序号与半径需要整数')
    if not any(c['doc']==doc and c['seq']==seq for c in chunks): raise ValueError('原命中不存在')
    return sorted([dict(c) for c in chunks if c['doc']==doc and abs(c['seq']-seq)<=radius],key=lambda c:c['seq'])
evidence=expand('guide',2,1)
assert [c['id'] for c in evidence]==['g1','g2','g3']
assert all(c['doc']=='guide' for c in evidence)
print('expanded_ids',[c['id'] for c in evidence])
print('text',' | '.join(c['text'] for c in evidence))
for args in [('guide',4,1),('missing',2,1),('guide',2,-1),('guide',True,1)]:
    try: expand(*args)
    except ValueError as error: print('blocked',args,str(error))
    else: raise AssertionError('缺失命中或非法半径不得扩展')

怎样判断结果符合要求

额外验证 guide 第4段与不存在的文档都被明确拒绝，即使第3段就在范围内也不能冒充原命中。负半径和布尔序号同样拒绝。

扩展ID只有g1/g2/g3，文字顺序范围、规则、例外。p3不能混入。

下方是这份最小示例在本地执行得到的输出。它验证示例程序与断言的关系，不代表任何 AI 模型一次就能生成同样代码，也不构成性能或生产可靠性结论。

expanded_ids ['g1', 'g2', 'g3']
text 范围 | 规则 | 例外
blocked ('guide', 4, 1) 原命中不存在
blocked ('missing', 2, 1) 原命中不存在
blocked ('guide', 2, -1) 序号与半径需要整数
blocked ('guide', True, 1) 序号与半径需要整数

命中段不存在时应失败或回源，不能自动猜附近内容。

引用最终答案时仍引用具体段落ID，不能只标一个文档总名。

哪些失败必须停下来处理

跨版本扩展同样可能串资料，真实身份增加版本、租户与权限过滤。

原文顺序不等于编号字符串排序，例如10不应排在2前，seq需严格整数。

接入自己的任务前再核对一次

先保存原始命中与扩展后证据，让AI回答可追溯两个阶段。

用“例外在下一段”的固定问答比较是否改善，不能只看上下文变长。

资料与适用范围

字典和序号可组织固定段落；上下文扩展范围属于检索后处理策略。以下链接核对于 2026-10-03；运行环境及额外依赖按本文前述说明。

• https://docs.python.org/3.11/library/stdtypes.html

相关基础可阅读 RAG 关键词检索怎么做？用 SQLite FTS5 建索引并返回原文出处。本文的重点是补齐命中段落上下文，可以把两项检查作为不同步骤保留。