Skip to content

Reranking 与后处理

召回之后,还要筛选出最适合回答的内容。


这节课解决什么问题

  • 为什么初步检索的 Top-K 不一定够好
  • Reranking 怎么提升最终回答质量
  • 检索结果怎么组织进上下文

核心内容

  • 粗排与精排
  • Cross-Encoder Reranker
  • 上下文裁剪与组装
  • 引用溯源

本节产物

  • 一个带精排的 RAG 链路
  • 一份重排前后结果对比
  • 一版带引用溯源的回答模板

课堂实作

  • 对初步召回结果做 rerank 并比较最终上下文质量
  • 把检索结果裁剪并组装成适合回答的上下文
  • 让回答附带引用来源,而不是只给结论

并入项目

这一课会直接把项目二从“能检索”升级成“能更准地回答并给出处”。

面试会怎么问

  • 为什么要做 Reranking
  • 精排和粗排分别解决什么问题
  • 引用溯源为什么重要

大齐 AI 课堂 · 程序员的 Agent 开发课