RAG 系统进阶优化指南

来源类型： 技术指南
日期：
标签： rag, faiss, optimization, hybrid-search, reranking, openclaw

核心论点

针对已搭建的"本地FAISS+SQLite+bge-large-zh" RAG系统在实际使用中遇到的核心问题（检索条数少、召回率低、精准度不足），提供从基础调参到高级优化的完整方案，包括混合检索、重排序、查询改写、分层检索等技术。

关键结论

• 四大常见问题及对应解决方案：top_k调大（6→50）、分块策略优化（chunk_size=500, overlap=150）、混合检索（向量+BM25+RRF融合）、重排序（Cross-Encoder精排）
• 进阶检索架构五层：查询改写（LLM扩展查询） → 混合检索层（向量+关键字+元数据） → RRF融合排序 → 重排序层 → 总结分析层
• 时间范围查询通过SQLite元数据过滤+FAISS子集搜索实现
• 趋势分析支持多时间窗口（7/30/90天）对比、情感分析和主题抽取
• 知识图谱构建作为长期扩展方向，使用NER+关系抽取模型
• 推荐立即实施的优化清单：调整top_k、添加FTS5、安装bge-reranker-large、添加元数据字段、优化分块策略