54 lines
1.6 KiB
Markdown
54 lines
1.6 KiB
Markdown
# RAG L0 关键词匹配质量不足
|
||
|
||
**状态**：待规划
|
||
**严重程度**：中
|
||
**发现时间**：2026-07-04
|
||
**范围**：L0 索引、frontmatter、精确召回
|
||
|
||
---
|
||
|
||
## 现象
|
||
|
||
L0 当前依赖文档 frontmatter 中的关键词，并使用较粗的字符串包含逻辑做匹配。关键词质量越依赖人工维护，召回稳定性越容易波动。
|
||
|
||
如果 frontmatter 填写不完整、同义词缺失、关键词过短或过泛，L0 就可能误召回或漏召回。
|
||
|
||
---
|
||
|
||
## 当前实现
|
||
|
||
- `KnowledgeIndexService` 从 `ApiDocument` metadata/frontmatter 加载关键词。
|
||
- exact match 的判断类似：
|
||
|
||
```java
|
||
query.contains(keywordLower) || keywordLower.contains(query)
|
||
```
|
||
|
||
- 没有分词、同义词归一、字段权重、关键词质量校验。
|
||
|
||
---
|
||
|
||
## 影响
|
||
|
||
- 短关键词容易误命中。
|
||
- 用户换一种说法时，L0 无法命中。
|
||
- 文档 frontmatter 质量变成检索质量的隐性前提。
|
||
|
||
---
|
||
|
||
## 建议修复
|
||
|
||
1. 为关键词增加最小长度、停用词、领域前缀等基础规则。
|
||
2. 区分 `exactKeywords`、`aliases`、`domainTags`，避免所有词混在一个匹配池。
|
||
3. 引入轻量中文分词或归一化策略，先不必上复杂搜索引擎。
|
||
4. 上传文档时校验 frontmatter 质量，缺失关键词时给出警告。
|
||
5. 在 issue 修复前，至少补一份知识库文档 frontmatter 编写规范。
|
||
|
||
---
|
||
|
||
## 相关文件
|
||
|
||
- `src/main/java/com/superbiz/agent/service/KnowledgeIndexService.java`
|
||
- `src/main/java/com/superbiz/agent/service/DocumentManagementService.java`
|
||
- `src/main/java/com/superbiz/agent/controller/DocumentController.java`
|