企业完成鼎上注册后如何配置智能体的RAG混合检索策略

企业完成鼎上注册后，在鼎上平台配置智能体的RAG（检索增强生成）混合检索策略，主要通过结合向量检索与全文检索，在知识库设置中开启混合检索模式，并合理调整两者的权重比例与重排序模型来实现。

适用情境

在以下业务场景中，建议采用混合检索策略：

• 包含专业术语与精确编号：当知识库中包含大量产品型号、订单号或特定行业缩写时，单纯的向量检索容易丢失精确匹配，需要全文检索补充。
• 复杂语义与事实并重：既需要理解用户的模糊意图，又需要精准定位文档中的具体事实数据。
• 长尾问题与同义词较多：用户提问方式多样，混合检索能有效提高长尾问题的召回率。

可执行步骤

步骤一：进入知识库检索设置

登录鼎上平台，进入智能体管理后台。在左侧导航栏找到知识库模块，选择需要配置的目标知识库，点击检索设置或高级配置。

步骤二：开启混合检索模式

在检索模式选项中，将默认的单一检索切换为混合检索。此时系统会同时调用向量模型和倒排索引进行文档召回。

步骤三：调整检索权重比例

系统通常会提供一个权重参数。若业务更依赖语义理解，可将向量检索权重调高；若更依赖关键字精确匹配，则调高全文检索权重。建议初始值设为均衡比例，后续根据测试效果微调。

步骤四：配置重排序模型

为了进一步提升准确率，在混合检索下方开启重排序功能。选择一个适合当前业务语言的模型，系统会对初步召回的文档块进行二次打分和重新排序，将最相关的结果优先提供给大模型。

注意事项

• 关注性能与成本：混合检索结合重排序模型会增加系统的计算开销。在配置前需评估并发量需求，必要时可调整召回数量以平衡性能。
• 优化数据分块质量：检索效果的上限取决于数据预处理。确保文档分块策略合理，避免将不相关的段落强行合并，保持每个文本块的语义完整性。
• 持续评测与迭代：配置完成后，务必使用真实业务测试集进行问答评测。通过对比不同检索策略的准确率与召回率指标，不断微调参数以达到最佳交互效果。