第15篇：Vibe Coding时代：LangChain RAG 检索质量优化实战，解决 Agent 读错文档、答非所问问题

第15篇：Vibe Coding时代：LangChain RAG 检索质量优化实战，解决 Agent 读错文档、答非所问问题

一、问题场景：接了 RAG 之后，Agent 还是写错代码

前面我们给 Coding Agent 接入了 RAG，让它先读项目文档再写代码。

但真实跑起来后，我发现一个新问题：

接入 RAG 不等于 Agent 一定理解项目。

典型问题：

1. 用户问登录接口，检索到了部署文档 2. 用户问错误码，检索到了 README 3. 检索结果太长，模型抓不到重点 4. chunk 切得太碎，关键上下文断了 5. 文档版本混乱，检索到旧规范 6. 没有 source，无法判断答案依据

这类问题会导致：

Agent 看似有上下文，实际读错资料。

本文要解决：

如何优化 LangChain RAG 检索质量，让 Coding Agent 检索更准、上下文更干净、结果可追踪。

二、RAG 的核心不是向量库，而是检索质量

很多人做 RAG 的第一步是：