全球机器学习技术大会姜勇RAG关键技术与未来发展趋势

RAG 的混合检索方案挺值得一看。姜勇在全球机器学习技术大会上讲得蛮实在，不光说清楚了基础 RAG 怎么搞的，还重点聊了高级 RAG 怎么用关键词和语义排序提升检索效果。像那种问概念、找事实、搜索网页类型的问题，RAG 都能应付得来。

RAG 技术用起来其实就是靠“先查再说”的思路，先从知识库里捞一波相关内容，再交给大模型生成答案。听起来简单，但坑也不少，比如查不到想要的内容，或者捞出来的东西上下文对不上。这时候，混合检索和语义重排序就关键了。

姜勇提到的问题总结得蛮透：像是找不到答案（FP1）、文档排得不对（FP2）、上下文不相关（FP3）、答案瞎编（FP4）这些，基本是做 RAG 都踩过的雷。是垃圾进垃圾出（GIGO）的问题，不好就白跑一圈。

他还提了个方向叫Enterprise RAG，就是面向企业场景来优化 RAG，比如知识管理、员工查询系统这种。不光技术要硬，数据安全、定制化服务也得跟得上。挺适合你如果正在搞公司级的知识平台。

如果你对构建自己的语义检索系统有兴趣，可以看看下面这几个链接，有理论也有实操，像知识库检索模型、hnsw 向量检索，用来上手或者优化现有方案都挺合适。

建议你在搞 RAG 相关系统时别太依赖默认的向量引擎，多试试混合检索、语义标签、关键词融合这些手段，能拉开效果差距。嗯，别忘了检索那块性能也得盯好，响应慢了体验就崩了。