RAG 检索器与知识库怎么搭?

真实性边界

问题要求说明“在项目中应用 RAG”的技术细节。检索延迟、端到端延迟、准确率和幻觉率只能来自真实项目；通用架构示意不能包装成个人上线结果。

回答框架

• 知识库：数据来源、解析、分块、元数据、权限、版本与更新方式。
• 检索器：稀疏/稠密模型、索引、Top-K、过滤、融合和查询改写。
• 重排与上下文：候选规模、重排模型、去重、上下文预算、引用和冲突处理。
• 生成与防护：模型版本、证据约束、拒答、输出校验和安全边界。
• 评测与上线：分层指标、压测、消融、灰度、观测、回滚和成本。

事实填空

项目【】，语料【】，我负责【】。基线检索和生成链路【】，主要错误【】。实际选用【检索/融合/重排方案】，参数由【真实实验】确定。真实 Recall@K/MRR/NDCG【】，答案支持率【】，P95/P99【】，样本与硬件【】，副作用【】。

证据自检

所有阈值和指标应说明数据集、标注、硬件、并发与统计窗口。必须分开测候选召回、排序质量、上下文利用和最终回答；不能用单一“准确率”概括整条 RAG。