很多人做 RAG 时都会遇到一个问题为什么明明已经用了 Embedding检索结果却依旧“不够准”为什么用户问“苹果营收”系统却检索不到“Apple Inc.”相关内容真正的问题往往不在大模型而在 RAG 的检索架构本身。本文将深入拆解工业级 RAG 背后最核心的“两阶段索引”机制双塔Embedding为什么适合海量召回单塔Rerank为什么能大幅提升精度以及为什么几乎所有高质量 RAG 系统都会采用“Embedding Rerank”的组合方案。看完以后你会真正理解双塔负责“找到”单塔负责“找对”。4.5 RAG 中的两阶段索引在上一节内容中我们详细介绍了如何基于在第3章中构建的语义检索引擎来搭建一个完整的 RAG Agent让它根据用户的提问自主分拆解、回答并总结得到完整的答案。尽管整个流程看似已经搭建完毕但是依旧有很多地方需要继续优化例如从向量库检索内容的精度、模型输出结果的后处理等。在本节内容中我们将从检索精度这一角度来介绍如何让 RAG Agent 在回答问题时检索到的参考内容更精准也就是重排序Rerank模型的使用。很多人第一次搭建 RAG 系统时都会有一个疑问既然 Embedding 模型能把文本变成向量为什么还要再加一个 Rerank 模型刚开始你可能觉得有它没它区别应该不大但真正用过之后你会发现加了 Rerank 模型后检索结果可能有质的飞跃而这背后涉及到的就是 RAG 检索架构中一个非常核心的设计。4.5.1 双塔结构思想原理双塔Bi-Encoder是 RAG 系统中最常用的检索架构也是几乎所有向量数据库的底层基础。双塔的核心思想可以用一句话概括Query 和 Doc 分开编码最后在向量空间中计算相似度。图 4-6. 双塔检索流程图例如在 RAG 应用开发中我们会先通过 Embedding 模型也就是 Encoder将所有的离线文档都转换成向量存入到向量库中。当用户提问时我们再将 Query 通过 Embedding 模型将其转换成向量然后同向量库中的向量进行相似度比较最后取向量库中前 K 个最相似的文本块作为参考源。你可以把整个过程想象成图书馆的图书检索系统每本书都有一个编号向量读者查询时先拿到查询词的编号然后在书架上找编号最接近的书。4.5.2 双塔结构的优势与不足说完了工作原理我们自然要问为什么双塔结构能支撑百万级甚至更大规模的数据检索这得益于它的一个关键设计文档向量可以提前离线计算好并存入向量数据库查询时只需计算一次 Query 向量然后在向量索引中做近似最近邻搜索Approximate Nearest Neighbor, ANN。这意味着时间复杂度可以从线性的 降低到接近 。举个例子如果你有 100 万篇文档使用双塔结构时系统可以在对数级别的时间内找到最相关的文档而不用逐一比较 100 万次。这也是为什么 RAG 系统能够秒级响应而不是等待几分钟。不过双塔结构也有明显的局限性这也是为什么它不能单独使用的原因。由于 Query 和 Doc 在编码时彼此不知道对方的存在模型只能把整段文本压缩成一个固定长度的向量然而一旦压缩完成细粒度的匹配信息就会丢失。换句话说我们希望在编码 Query 的时候它是能够看到 Doc 的这样检索得到的参考内容也将更加准确。举个例子假设你的知识库中有一篇文档讲的是苹果公司 2024 年的财报数据当用户搜索“苹果营收”时双塔结构可能会把这篇文档排在后面因为它在编码“苹果营收”时无法捕捉到“苹果”和“苹果公司”的细粒度对应关系它只能基于整体语义的粗略匹配。所以你会发现只用双塔检索时结果往往是看起来相关但不够精准。4.5.3 单塔结构思想原理说完了双塔结构我们再来看单塔结构是怎么解决精度问题的。单塔Cross-Encoder是另一种常见的架构通常用于排序场景中它的做法与双塔完全不同。双塔是分开编码而单塔则是将 Query 和 Doc 拼接在一起输入模型进行联合编码。具体来说我们会把 Query 和 Doc 的文本拼接成一个序列例如[CLS] Query [SEP] Doc然后再通过 Embedding 模型对整个序列进行编码并输出一个0 到1之间相关性分数最后取相关性分数最高的前 K 的文本块作为参考源。图 4-7. 单塔检索流程图此时我们可以把单塔理解成一个专业的审稿人它会仔细阅读问题和文档的每一个字然后判断这篇文档是否真的回答了问题。4.5.4 单塔结构的优势与不足可以发现单塔结构最大的优势在于表达能力强能够捕捉细粒度的语义匹配。在 Cross-Encoder 中Query 里的每个 token 都可以关注 Doc 的每个 token也就是完整的交叉注意力机制。因此这意味着模型可以进行精确的语义对齐以及上下文补全和逻辑关系的判断。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
99% 的 RAG 教程都没讲清楚：为什么必须加 Rerank？
发布时间：2026/5/28 13:35:30
很多人做 RAG 时都会遇到一个问题为什么明明已经用了 Embedding检索结果却依旧“不够准”为什么用户问“苹果营收”系统却检索不到“Apple Inc.”相关内容真正的问题往往不在大模型而在 RAG 的检索架构本身。本文将深入拆解工业级 RAG 背后最核心的“两阶段索引”机制双塔Embedding为什么适合海量召回单塔Rerank为什么能大幅提升精度以及为什么几乎所有高质量 RAG 系统都会采用“Embedding Rerank”的组合方案。看完以后你会真正理解双塔负责“找到”单塔负责“找对”。4.5 RAG 中的两阶段索引在上一节内容中我们详细介绍了如何基于在第3章中构建的语义检索引擎来搭建一个完整的 RAG Agent让它根据用户的提问自主分拆解、回答并总结得到完整的答案。尽管整个流程看似已经搭建完毕但是依旧有很多地方需要继续优化例如从向量库检索内容的精度、模型输出结果的后处理等。在本节内容中我们将从检索精度这一角度来介绍如何让 RAG Agent 在回答问题时检索到的参考内容更精准也就是重排序Rerank模型的使用。很多人第一次搭建 RAG 系统时都会有一个疑问既然 Embedding 模型能把文本变成向量为什么还要再加一个 Rerank 模型刚开始你可能觉得有它没它区别应该不大但真正用过之后你会发现加了 Rerank 模型后检索结果可能有质的飞跃而这背后涉及到的就是 RAG 检索架构中一个非常核心的设计。4.5.1 双塔结构思想原理双塔Bi-Encoder是 RAG 系统中最常用的检索架构也是几乎所有向量数据库的底层基础。双塔的核心思想可以用一句话概括Query 和 Doc 分开编码最后在向量空间中计算相似度。图 4-6. 双塔检索流程图例如在 RAG 应用开发中我们会先通过 Embedding 模型也就是 Encoder将所有的离线文档都转换成向量存入到向量库中。当用户提问时我们再将 Query 通过 Embedding 模型将其转换成向量然后同向量库中的向量进行相似度比较最后取向量库中前 K 个最相似的文本块作为参考源。你可以把整个过程想象成图书馆的图书检索系统每本书都有一个编号向量读者查询时先拿到查询词的编号然后在书架上找编号最接近的书。4.5.2 双塔结构的优势与不足说完了工作原理我们自然要问为什么双塔结构能支撑百万级甚至更大规模的数据检索这得益于它的一个关键设计文档向量可以提前离线计算好并存入向量数据库查询时只需计算一次 Query 向量然后在向量索引中做近似最近邻搜索Approximate Nearest Neighbor, ANN。这意味着时间复杂度可以从线性的 降低到接近 。举个例子如果你有 100 万篇文档使用双塔结构时系统可以在对数级别的时间内找到最相关的文档而不用逐一比较 100 万次。这也是为什么 RAG 系统能够秒级响应而不是等待几分钟。不过双塔结构也有明显的局限性这也是为什么它不能单独使用的原因。由于 Query 和 Doc 在编码时彼此不知道对方的存在模型只能把整段文本压缩成一个固定长度的向量然而一旦压缩完成细粒度的匹配信息就会丢失。换句话说我们希望在编码 Query 的时候它是能够看到 Doc 的这样检索得到的参考内容也将更加准确。举个例子假设你的知识库中有一篇文档讲的是苹果公司 2024 年的财报数据当用户搜索“苹果营收”时双塔结构可能会把这篇文档排在后面因为它在编码“苹果营收”时无法捕捉到“苹果”和“苹果公司”的细粒度对应关系它只能基于整体语义的粗略匹配。所以你会发现只用双塔检索时结果往往是看起来相关但不够精准。4.5.3 单塔结构思想原理说完了双塔结构我们再来看单塔结构是怎么解决精度问题的。单塔Cross-Encoder是另一种常见的架构通常用于排序场景中它的做法与双塔完全不同。双塔是分开编码而单塔则是将 Query 和 Doc 拼接在一起输入模型进行联合编码。具体来说我们会把 Query 和 Doc 的文本拼接成一个序列例如[CLS] Query [SEP] Doc然后再通过 Embedding 模型对整个序列进行编码并输出一个0 到1之间相关性分数最后取相关性分数最高的前 K 的文本块作为参考源。图 4-7. 单塔检索流程图此时我们可以把单塔理解成一个专业的审稿人它会仔细阅读问题和文档的每一个字然后判断这篇文档是否真的回答了问题。4.5.4 单塔结构的优势与不足可以发现单塔结构最大的优势在于表达能力强能够捕捉细粒度的语义匹配。在 Cross-Encoder 中Query 里的每个 token 都可以关注 Doc 的每个 token也就是完整的交叉注意力机制。因此这意味着模型可以进行精确的语义对齐以及上下文补全和逻辑关系的判断。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
