RAG检索召回率低

在企业RAG知识问答项目（半导体领域）中，核心痛点是“检索召回率低、生成答案不精准，具体表现为：生僻术语漏检、检索结果与查询意图不符、生成答案包含幻觉、专业术语解释错误；全流程优化指从数据层、索引层、检索层、生成层四个核心环节，逐一排查问题，落地针对性优化措施，实现端到端提升。

一、数据层优化（源头解决数据质量问题）

核心问题：领域文档杂乱、分块不合理、生僻术语未标注，导致Embedding向量无法准确捕捉语义；
优化措施：

1. 数据清洗：删除过时、错误、无关的文档（如非半导体领域的文档），对文档进行去重、降噪，确
   保数据质量；
2. 精细化分块：采用“语义分块+滑动窗口分块”，按半导体文档的知识边界（如章节、知识点）分块，
   保留“生僻术语+解释”的完整片段，分块粒度设置为512token；
3. 数据标注：对文档中的生僻术语、核心知识点进行标注，添加领域标签（如“半导体-晶圆工艺”），
   为后续Embedding微调、检索优化提供基础；
4. 数据扩充：采集更多半导体领域的专业文档（如技术手册、行业标准），扩充知识库，提升知识覆
   盖率。