召回阶段追求“全面”，重排序阶段追求“精准”。这是两个不同的优化目标。# 小型交叉编码器，比双塔模型更精准但更慢# 业务规则处理器（硬约束）"""返回重排序后的列表"""# 1. 交叉编码器计算精细相关度# 2. 业务规则调整（比如时效性、权威性）# 3. 综合打分（这个公式调了两个月...）'components': { # 保留各维度分数，调试用})# 按最终分数排序重排序模型的选择很关键。初

五年前RAG概念就有，但直到大模型出现才爆发。原因很简单：以前的模型理解能力不够，你给它检索片段，它经常看不懂或乱用。GPT-3级别的大模型才真正具备了“阅读-理解-整合”的强推理能力，让RAG从玩具变成生产力工具。更关键的是，RAG把知识管理从“模型内部”解放到了“外部系统”。企业可以继续用熟悉的数据库、CMS、知识图谱，只需加一个向量检索层，就能让大模型安全地调用最新、最准确的知识。这种架构上