在RAG增强检索中应该用什么构建上下文？

“RAG中召回策略有多种多样，但同样构建上下文也有很多方法。”

之前在社群有过一次关于关键字和语义检索的讨论，不过当时两个人好像不在一个频道上，他说他的关键字召回，我说我是语义召回，然后讨论到了怎么chunk的问题。

在关键字召回中，需要根据段落和语句进行分词，如jieba分词库；因此一般情况下会使用段落和句子的chunk方式，但是在语义检索中，分词会使用多种组合策略，如标题，段落，句子，长度等；使用不同的检索方式需要用到不同的chunk策略才能达到最好的效果。

然后这里对方又提了一个问题，你是怎么构建上下文的？

当时看到这句话就觉得好莫名其妙，肯定是用召回的数据做上下文啊；但是仔细一想好像又不太对，然后他又问你是怎么做chunk和文档的关联关系的，看到这里发现事情好像远远没有自己想的那么简单。之后，他又问了一句，你会根据chunk的内容，再次召回完整段落吗？

OK，这时就发现问题出在哪了，应该用什么构建上下文？

怎么构建上下文

在RAG中，构建上下文是很重要的一件事，也是整个RAG流程中的最后一步；一般情况下，都会用问题，历史记录，系统提示词以及召回的文档一起构建上下文。

但现在这个问题就出在召回的文档上，应该召回哪些文档？

从语义召回的角度来说，召回文档肯定是根据语义进行召回，召到那些数据就用那些数据做上下文，或者再进行一次rerank重排，之后再做上下文。

但是这里有个问题，假如说你的一个文档有十个段落，然后每个段落被拆分成三个chunk，这时就有三十个chunk，然后你根据语义召回时，召回了其中的五个chunk，然后这五个chunk分别位于其中的三个段落中。

这时，就出现了一个问题，如果从语义相似度的角度出发，应该使用这五个chunk做上下文，因为它们语义相似度最高；但是这里不知道大家有没有想过这样一个问题？

从正常的逻辑上来讲，每个段落的内容相关度应该是最高的；因此，理论来说语义相似度召回的数据也应该是在一个或两个段落中；但是现在的问题是，语义最相关的出现在了其中的三个段落中，也就是说相关性最高的段落中有一部分数据是语义无关的？这里是不是就矛盾了？

说到这里可能很多人觉得很绕，那我们就说的直白点；理论上来说，我们召回了五个chunk，然后这五个chunk存在三个段落中；这时，理论上我们应该把这三个段落的完整内容拿来做上下文，因为段落之间肯定是高度相关的内容。

但事实上，我们可能很多人只是用这五个chunk做上下文，而不是考虑把这三个段落的内容全部拿出来做上下文。所以，这时我们应该怎么选才合适？

其实，这两者之间并不是非此即彼的关系，理论上来说我们可以选择任何一种方式，也可以采用两者混合的方式；举例来说，如果一个文档段落数据长短不一，长的有几百上千字，短的才几十上百字；如果按照统一的段落构建上下文，这时可能会出现大量的噪音数据，并且会严重影响到模型的生成质量和加快token消耗。

所以，根据chunk召回完整段落内容，可以根据不同的场景选择折中的方案，而不是一棒子打死，必须使用某种方式。并且，有时为了减少token消耗，提升模型的准确性，我们可能还会对召回的数据做语义合并，尽量减少上下文的长度。

最后

选择AI大模型就是选择未来！最近两年，大家都可以看到AI的发展有多快，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，人才需求急为紧迫！

人工智能时代最缺的是什么？就是能动手解决问题还会动脑创新的技术牛人！智泊AI为了让学员毕业后快速成为抢手的AI人才，直接把课程升级到了V6.0版本‌。

这个课程就像搭积木一样，既有机器学习、深度学习这些基本功教学，又教大家玩转大模型开发、处理图片语音等多种数据的新潮技能，把AI技术从基础到前沿全部都包圆了！

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

课程还教大家怎么和AI搭档一起工作，就像程序员带着智能助手写代码、优化方案，效率直接翻倍‌！

这么练出来的学员确实吃香，83%的应届生都进了大厂搞研发，平均工资比同行高出四成多‌。

智泊AI还特别注重培养"人无我有"的能力，比如需求分析、创新设计这些AI暂时替代不了的核心竞争力，让学员在AI时代站稳脚跟‌。

课程优势一：人才库优秀学员参与真实商业项目实训

课程优势二：与大厂深入合作，共建大模型课程

课程优势三：海外高校学历提升

课程优势四：热门岗位全覆盖，匹配企业岗位需求

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

·应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

·零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

·业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

重磅消息

人工智能V6.0升级两大班型：AI大模型全栈班、AI大模型算法班，为学生提供更多选择。

由于文章篇幅有限，在这里我就不一一向大家展示了，学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。

【最新最全版】AI大模型全套学习籽料（可无偿送）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！

获取方式：有需要的小伙伴，可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

来智泊AI，高起点就业

培养企业刚需人才

扫码咨询 抢免费试学

⬇⬇⬇

AI大模型学习之路，道阻且长，但只要你坚持下去，就一定会有收获。