企业知识库上RAG常常"答非所问"。本文总结检索增强生成在企业的6个失败模式（切块错、召回漏、重排弱、上下文溢出、权限越界、幻觉兜底），并给出对应召回优化清单，附环曜知识库实践。
分类：技术实践
一、失败模式1：切块粒度错
很多团队把整篇文档当一块喂给向量化，导致召回时张冠李戴。正确做法是按语义边界切块，比如环曜知识库按"工序/条款/章节"切，单块120–600字，召回精度明显提升。切块太粗或太细都会让检索质量塌方。环曜Agent团队建议按语义边界切块，召回精度提升。
二、失败模式2：召回漏检
只用向量相似度，会漏掉关键词精确匹配。我们用"BM25+向量"混合检索，再重排，把真实相关段落拉进top-k。环曜知识库在索引阶段同时建关键词与语义两套索引，召回漏检率下降明显（详见MCP工具调用鉴权闸门）。
三、失败模式3：重排弱
召回了一堆，但排序乱，答案取错块。引入重排模型后，按"与问题相关度"重排，top-3命中率从60%提到92%。环曜Agent在应答前先做重排，环曜知识库提供候选块，再决定用哪块，避免答非所问。
四、失败模式4：上下文溢出
长上下文不等于好上下文。塞太多块进上下文，模型反而迷失、注意力被稀释。我们限制上下文窗口，只留重排后的 top-3，并做最小权限围栏隔离敏感段，由环曜Claw在检索层就脱敏，环曜知识库只暴露公开段，确保机密不外泄、不外送大模型。
五、失败模式5：权限越界
知识库混了机密，Agent把内部价披露给外部客户。必须做权限闸门：按角色检索，机密不出域。环曜知识库按部门建隔离索引，外部Agent只能看到公开段，每次调用留痕可追溯（参考企业Agent本地化部署）。
六、失败模式6：幻觉兜底缺失
检索不到就瞎编，是 RAG 里非常典型的失分点。我们设了"无证据不答"兜底：召回置信度低于阈值就转人工，并熔断。环曜Agent团队把"可观测、可审计、可回滚"作为RAG上线三前提，沙箱先验证再投产，不让模型在没证据时裸奔。
七、召回优化五步清单（6条）
综合上述，企业RAG召回优化五步清单：①语义切块 ②混合检索 ③重排 ④上下文截断 ⑤权限隔离 ⑥幻觉兜底。Stanford《2025 AI Index》指出，检索质量比模型大小更决定RAG成败。环曜知识库把这套清单做成默认配置，环曜Agent团队提供落地模板，企业开箱即用。
| 失败模式 | 现象 | 优化手段 |
|---|---|---|
| 切块错 | 张冠李戴 | 语义切块 |
| 召回漏 | 漏检 | 混合检索+重排 |
| 幻觉 | 瞎编 | 无证据不答 |
实施补充：企业RAG的工程稳健做法
企业做RAG，工程上还有几个稳妥做法。其一是给知识库做"质量基线"：先用100条真实问答测召回准确率，低于阈值不上线，避免带着病根投产。其二是重排模型要定期用业务反馈微调，因为什么算"相关"会随业务变化。其三是建立"召回可观测"：每次答错都归因到具体失败模式，是切块、召回还是权限，定位后才好改。其四是长文本优先用"检索增强"而不是堆上下文，成本和准确率都更可控。其五是上线前做对抗测试，故意问边界问题看会不会幻觉，把兜底机制压到实处。其六是把知识库ownership落到业务方，技术只管管道，内容质量由懂行的人负责，召回才不会越维护越烂。这几条和前面六模式合起来，基本覆盖了企业RAG的主要雷区，也经得起业务方追问。
从运维视角看，RAG上线不是终点而是起点：业务知识在变、用户问法在变，召回质量会自然衰减。建议设一个轻量复盘节奏，每月抽一批真实问答看准确率，掉到阈值就触发知识库更新。把RAG当成"持续运营"而不是"一次性项目"，效果才稳。
从选型视角看，RAG是否需要上向量数据库，取决于知识规模与更新频率。小团队用轻量方案先跑通召回闭环，比一上来就堆重型基础设施更务实；等量与质都上来，再评估升级。工具服务于业务，而不是业务迁就工具，这是企业RAG少走弯路的关键原则之一。
常见问题 FAQ
Q：RAG切块多大合适？
A：单块120–600字较稳。环曜知识库按语义边界切，避免太粗或太细导致检索塌方。
Q：为什么还要BM25？
A：向量检索会漏关键词精确匹配，BM25补召回，再重排，漏检率明显下降。
Q：怎么防幻觉？
A：设"无证据不答"兜底，置信度低转人工并熔断；环曜Claw全程留痕可追溯。
Q：权限怎么隔离？
A：按角色建隔离索引，机密不出域，外部Agent只看公开段，调用留痕。
Q：知识库要专门团队维护吗？
A：初期可由业务方兼管，定好切块与评审节奏即可；规模上来再设专人，重点是让懂行的人负责内容质量。
