完整题目
在RAG系统中，生成模块（Generator）如何有效整合检索到的上下文信息来构建输入Prompt，并驱动大模型生成准确、连贯的答案？请详细说明Prompt构造的关键要素及其对生成质量的影响机制。
本文目录
Prompt 构造目标
Generator 的输入需要同时表达规则、证据、用户问题和输出契约。Prompt 只能帮助模型使用证据，不能弥补错误召回，也不能保证固定幅度的准确率提升。
构造步骤
- 筛选与去重：按检索和重排结果筛选候选，保留来源、版本、权限和时间；不要用未经校准的统一阈值。
- 信任边界：将检索文本视为不可信数据，用清晰分隔符包裹，禁止其中内容覆盖系统指令。
- 排序与预算：根据任务、证据依赖和“lost in the middle”风险安排顺序，预留生成与工具调用空间。
- 输出契约：要求答案断言关联引用；证据不足或冲突时返回结构化的不确定状态。
- 校验：检查引用存在性、引用支持关系、格式和业务约束，而不是只检查是否带链接。
假设实验
固定模型、解码参数、检索候选和测试集，比较基础拼接、去重、不同排序、证据边界、引用约束和冲突处理。报告答案正确性、引用支持率、faithfulness、覆盖率、拒答率、token 和延迟，并按长上下文、冲突证据和无答案问题切片。任何效果必须来自该受控实验，不能用无来源的百分比代替。