问 AI 助教考点精讲
- 第 173 页把 RAG 与微调的根本差别说清：RAG 是开卷——知识留在外部、回答时临时取用、答案带出处、更新只需重建索引；微调是背书——把信息学进参数里，更新等于重新训练。因此事实类、常更新的问题用 RAG 更合适。第 174 页给三步原理：检索（问题变查询、找最相关 K 个片段）、增强（片段加问题组装提示词）、生成（LLM 基于片段作答并标注出处）。第 178 页给一条完整链路：离线建库四步（解析、分块、向量化、存向量库）加在线问答三步（问题向量化、检索 top-K、生成并标注来源）。第 190 页给两条硬纪律：只给检索片段不给全文，否则等于退回超长上下文、成本高且易失焦；第 190 页还要求系统提示写死「只用片段作答、不得凭记忆补充」。
- 前后置引导：前置读「实操二：市民诉求智能分类器」页：判定型任务之后进入需要外部知识的场景。；后置读「分块、Embedding、向量库与双指标验收」页：把本页的链路拆到分块、Embedding、向量库与验收层面。
记忆技巧
常见误区
- 误区：把 RAG 当成让模型学会知识。第 173 页明确 RAG 是开卷、把信息学进参数的是微调。
- 误区：只存向量不存原文与来源。第 179 页明确来源就没了、溯源会断。
- 误区：检索为空时让模型凭记忆作答。第 179 页的纪律是明确说未检索到、无法回答。
真题思路
常见问题
Q：RAG 与微调最本质的区别是什么？
A：RAG 开卷、知识在外部、答案带出处且更新只需重建索引；微调背书、把信息学进参数、更新要重新训练。（解析：第 173 页与第 246 页两处都给出这张对比，第 246 页还给了判断清单，并明确「先 RAG 后微调、微调是最后一公里」。）
Q：分块太大或太小各会出什么问题？
A：太大则一段里塞太多无关内容、检索不精准、模型易跑偏；太小则关键信息被切断，检索到了但片段不含完整答案。（解析：第 182 页从调参与进阶两个层面回应：起点 chunk_size 256–1024 token、overlap 10%–20%（经验起点、非万能最优）；不够用再按第 183 页升级语义分块与父子文档。）
Q：「检索不到不能编」的三条判据是什么？
A：一是检索为空或片段太少，回答「未检索到、无法回答」；二是命中但不相关，说明「未找到与问题直接相关的条款」、不硬答；三是片段互相冲突，如实标注「不同条款存在差异」、交人工确认。（解析：第 191 页把三条逐条给出处理动作，并把红线「答案可追溯」落在「先有片段加原文加来源，再有只用片段作答加强制引用加检索不到不编」。第 193 页的「库外问题」是评估口径（由讲师外部给定），不属这三条之一。）
相关知识
教材出处：第9章 RAG 方法 RAG 核心链路：开卷问答与三步原理