知识命中率低不一定是模型能力不足。问题可能来自资料缺失、切片不合理、表达差异或检索过滤条件。

分解失败样本

检查正确文档是否存在、是否入库、是否被检索到。文档根本不存在时，应补资料而不是调高召回数量。

优化检索条件

记录用户原话与业务同义词，给资料补产品编号和版本字段。必要时结合关键词与向量检索，并检验排序结果。

验证真实改善

建立固定问题集，对比正确段落进入候选结果的比例。增加候选数量可能带来噪音，需要同时检查答案准确性。

先区分检索没找到还是答错

保存问题、检索片段与最终答案，命中不足优先处理术语、切片和资料覆盖。

已命中仍错误时检查上下文和答案约束；单纯增加检索段落可能引入更多冲突信息。

例如检索总是找到相似型号，先调整型号匹配和元数据，不仅要求模型“回答更准确”。

相关阅读：企业AI客服：知识命中、转人工与多渠道接入。