RAG明明搜到了资料，为什么回答的时候还是漏掉了关键信息？

大家好，我是武哥。这里是 AI实战小课堂-RAG专题。

做 RAG 知识库时，我们经常会遇到一个问题：资料明明搜到了，模型回答的时候，却漏掉了重要条件。是不是模型不够强？先别急着换模型，我们得看看：这次交给模型的片段里，到底有没有这些条件。

这期我们用一个退货案例和动态图解，讲清文档切大、切小分别有什么问题，以及递归分块、重叠和父子分块，怎样兼顾检索准确性与上下文完整性。这个约 10 分钟的视频，会带你把这些策略串起来：点击查看。

具体落地实战项目，大家可以学习这个AI高级实战项目：AI Agentic RAG高级企业知识库平台

搜到了资料，为什么还会答错？

我们先看一个假设的客服场景。用户问：“耳机拆封以后，还能申请七天无理由退货吗？”

假设知识库里有这样一段售后说明：

签收后七天内可申请无理由退货。商品须保持完好，配件齐全。已拆封且影响二次销售的商品，不适用无理由退货；质量问题另按售后规则处理。

如果模型只拿到第一句，就可能回答：“可以，七天内都能退。”

它确实用了资料，但后面的商品状态、配件要求和拆封例外，没有一起带回来。

整份文档里有这个条件，不代表这次交给模型的上下文里也有。 排查时，不能只看知识库里有没有这份文档，还要打开命中的片段和最终上下文。

文档切大、切小，各有一个问题

切大了，主题可能混在一起。

把退货条件、维修流程、物流查询都放在一个块里，内容很完整，但用户只问“拆封能不能退”。向量表示要反映整段文字，多个主题混在一起，与具体问题的匹配就可能不够集中。即使找到了，无关内容也会一起交给模型。

切小了，条件可能落在另一块。

第一块讲七天内可以申请，第二块讲商品和配件要求，第三块讲拆封例外。每块都很集中，但只命中第一块，回答仍然会漏条件。“上述情况”“本产品”等指代，以及表格中的型号和参数，也可能因为切分失去上下文。

所以我们要同时考虑两件事：检索时，内容是否容易匹配；回答时，必要条件是否完整。 大块适合了解整套流程，小块适合定位具体内容，没有一种长度适合所有问题。

递归分块：先照顾文本的自然边界

递归分块可以理解为：先按段落拆，某一段还是太长，再按换行、句号等更细的边界继续拆；没有合适分隔符时，再退到字符级别。

拆出来的小段，在长度允许时还会合并成一个块。因此，每个块不一定刚好一样长。

它比直接按固定位置截断更容易保留句子结构，但不会自动判断哪句话是规则、哪句话是例外。退货条款有没有被拆开，仍然要检查实际结果。

配置时还要先确认长度单位。我在高级知识库项目里用的是字符计数，配置 500，表示 500 个字符，不是 500 个 Token。复制其他项目的参数前，先把计数方式和切分规则对上。

重叠分块：给切口留一点上下文

重叠，也就是 overlap，是把上一块末尾的一部分内容，保留在下一块开头。

比如原文有 A、B、C 三部分：第一块放 A 和 B，第二块放 B 和 C。这样，无论命中哪一块，切口附近的 B 都有机会被带回来。

重叠适合缓解切口附近的内容缺失。 如果必要条件隔了好几块，这一点重叠通常补不回来。

重叠也不是越大越好。重复内容增加，会带来更多向量化工作，检索还可能返回多条相似片段，占用上下文空间。递归分块会照顾自然边界，实际重复长度也不一定刚好等于配置值，要看切出来的文字。

父子分块：用小块检索，用大块补全

如果我们希望检索内容集中，又希望回答时带上前后的条件，就可以考虑父子分块。

先切较大的父块，再从父块中切出较小的子块，每个子块记录自己属于哪个父块。

我在项目里让子块参与向量检索，父块保留原文。命中子块后，根据它的父块 ID 取回对应父块，再把更完整的内容交给模型。多个命中子块属于同一个父块时，只保留一份。

拿退货说明来说：完整条款放在父块中，时限、商品状态和拆封例外分别形成子块。检索时定位具体内容，回答时回填完整说明。

这里有两个关键点：切出父子关系之后，还要接上检索后的回填；父块的范围，也要包含回答需要的条件。 如果回填没打开，或者例外已经落在另一个父块里，当前父块仍然补不全答案。父块过大，也会重新带回无关内容。

怎么比较，才能知道有没有改善？

我在视频里展示了两类算法的三套配置：

配置	块大小	重叠
递归分块	500 字符	50 字符
递归分块	250 字符	30 字符
父子分块	父块 1200 字符、子块 300 字符	子块重叠 30 字符，父块之间不重叠

这些数字是比较的起点，不是通用最优参数。我们用同一份文档、同一组问题，尽量保持检索方法、模型和提示词不变，并记录父子回填是否开启。

问题可以包括：只问退货时限、问拆封后能不能退，以及一个资料里没有答案的问题。

每次沿着这条链路检查：

1. 看原文与切分： 相关条件有没有被拆开？
2. 看命中片段： 真正相关的内容找到了吗？
3. 看模型上下文： 回答需要的条件带完整了吗？
4. 看实际回答： 模型有没有把条件说清楚，是否补出了资料没有的内容？

同时关注耗时和输入长度。五个小块与五个大父块，模型需要阅读的文字可能差很多，不能只看返回条数或答案长短。

改了切分参数，要重新切分并向量化。 不能配置已经改了，检索还在用旧片段，也不要把不同配置的结果混在一起比较。

选择分块策略，先看缺在哪里

如果大家准备做一个知识库，可以先用递归分块跑起来，再拿真实问题检查：

• 经常在切口附近丢内容：试着调整重叠。
• 片段找得挺准，但总缺前后说明：试试父子分块和回填。
• 连相关片段都没找到：检查解析结果、检索范围和检索方法，别一直围着块大小转。

我们再回到开头的退货问题。回答漏了拆封条件，就沿着命中的片段往后查，看看这个条件到底有没有交给模型。

选择分块策略，就是让相关资料容易被找到，再把回答需要的条件带完整。 参数怎么配，我们拿实际问题和结果来决定。

欢迎看完视频后，对照自己的知识库打开几条命中片段，看看那些漏掉的条件，到底停在了哪一步。

如果这期帮你弄明白了文档分块，也欢迎分享给正在做 RAG 知识库的朋友。