检索技术

学习文本分块的最佳实践

结合关键词检索和向量检索的优势。包括 BM25 + 向量、稀疏 + 稠密、多路召回融合策略，提升检索召回率和准确率。

对检索结果进行精细重排序。包括 Cross-Encoder、Cohere Rerank、ColBERT、学习排序方法，提高最终结果的相关性。

查询改写和扩展技术。包括 HyDE、多查询生成、查询分解、伪文档生成方法，改善查询表达和检索效果。

检索小块返回大块上下文。包括层级索引、父子文档关系、上下文窗口扩展策略，平衡检索精度和上下文完整性。

压缩和过滤检索内容。包括 LLM 压缩、相关性过滤、冗余去除、上下文优化技术，减少噪声提高生成质量。

基于元数据的检索过滤。包括预过滤、后过滤、混合过滤、元数据索引设计，实现精准的检索范围控制。