问 AI 助教考点精讲
- 第 182 页给分块起点：chunk_size 256–1024 token、overlap 10%–20%，是经验起点而非万能最优；第 184 页给 Embedding 选型：BGE-M3 为 1024 维、可本地部署不出域。第 186 页要求向量库必存三样：向量、原文、来源元数据（Chroma 做 PoC、Milvus 做大规模、pgvector 用于已有 Postgres）；第 188 页强调混合检索必须配 jieba。第 192 页给双指标：答案准确率查结论是否正确切题无幻觉，来源可追溯率查关键论断是否带对出处，答对但引错同样不验收。第 193 页要求检索与生成分开评估、排错按「先找、再答、后引」，LLM 打分需人工抽检。
- 前后置引导：前置读「RAG 核心链路：开卷问答与三步原理」页：先有三步原理与开卷问答的定位，再进参数与验收细节。；后置读「实操三：政策法规 RAG 问答系统」页：把分块、选型与双指标落到场景 B 的五份政策文件上。
记忆技巧
分块记「1024 以内、重叠一到两成」
库记「向量、原文、来源三样」
验收记「答得对、引得对，两个都要过线」。
库记「向量、原文、来源三样」
验收记「答得对、引得对，两个都要过线」。
常见误区
- 误区：只测答案准确率。第 192 页明确答对但引错同样不验收，并把它点名为政务 RAG 最常见的失效点。
- 误区：只存向量不存原文与来源。第 186 页明确只存向量就丢原文，溯源直接断。
- 误区：用 LLM 打分代替人工复核。第 193 页要求 LLM 打分只作初筛、抽检不少于 20% 人工复核。
真题思路
- 【示例】 按讲义，政务 RAG 里「答对但引错」应当如何处理？
答对即视为通过，引用问题留待后续优化 不通过验收，因为来源可追溯率未过线 只要引用格式正确就算通过 由模型自己判断引用准不准
答案：B
解析：第 192 页明确双指标都必须过线，答对但引错同样不验收。A、C 只看答案一侧；D 让模型自评，与该页「分开评估、人工复核」的要求相反。
常见问题
Q：分块参数起点是多少，为什么不能一步设死？
A：256–1024 token、重叠 10%–20%；因为这是经验起点，必须拿实测结果再微调。（解析：第 182 页的措辞是经验起点而非万能最优；第 183 页再给语义分块、父子文档、上下文检索等进阶策略，说明参数要随语料形态调整。）
Q：Chroma、Milvus、pgvector 各适合什么场景？
A：Chroma 适合嵌入式 PoC、开箱即用；Milvus 适合分布式生产与大规模；pgvector 适合数据已在 Postgres 的场景。（解析：第 186 页按规模与既有技术栈给出这三档，并同时要求无论选哪个都必存向量、原文、来源元数据三样，否则溯源失效。）
Q：为什么系统提示必须写死「只用所给片段作答」？
A：否则模型会回归凭记忆编，引用不可信，来源可追溯率必然失守。（解析：这与第 192 页的双指标直接相关：可追溯率要求每条关键论断带对出处，一旦允许模型自由发挥，出处就成了装饰；第 193 页还要求库外问题回答未检索到。）
相关知识
教材出处：第9章 RAG 方法 分块、Embedding、向量库与双指标验收