知识库问答为什么只答了一半：沿证据链定位问题

本文是基于虚构制度的教学推演，不是真实线上故障复盘；分数和参数均为示例设定。

同样是漏答，原因可能出现在不同环节#

用户问：“培训环境的账号找谁申请，审批后多久能开通？”系统只回答了申请对象，没有给出时限。

这时增加 TopK 可能有用，也可能完全无效：正确片段可能排在第二名，也可能早已被门槛排除；它甚至可能已经出现在检索列表里，却没有进入最终请求。

只看答案，无法区分这些情况。排查要回到证据经过的路径：资料里有没有这个事实，检索是否取回，输入是否保留，模型是否忠实使用，引用是否支持结论。

001：Spring AI 的 RAG 示意图，上半部为文档解析切分与入库，下半部为检索片段、与问题组成提示并生成回答 — 图 001：先把资料准备、检索、输入组装和生成分开看。来源：Spring AI：AI Concepts，上游许可为 Apache License 2.0，原图直链引用，未修改。图中是该项目的向量检索方案，本篇排查方法不限定框架，也不要求所有 RAG 都使用向量数据库。

先明确一次回答需要哪些事实#

假设知识库中有三条虚构规则：

片段	示例内容	适用环境
A	向培训负责人提交申请，由培训负责人审批	培训
B	审批通过后，由管理员在 1 个工作日内开通	培训
C	向信息安全负责人申请，审批后 3 个工作日内开通	生产

这个问题需要 A、B 两条证据。判断回答是否完整，要检查申请对象、审批关系、开通前提、执行角色与时限，而不只是观察答案里有没有数字。

如果问题改成“账号何时自动过期”，三条资料都没有适用的期限依据。此时缺的是原始事实，调大候选数量并不能补出规定。

排查的第一步因此是写出问题需要的事实和预期证据。有了这张对照，后面才能判断某一步到底丢了什么。

正确片段被数量限制排除了#

先构造一个可手工检查的排序。以下分数是教学设定，不是某个 Embedding 模型的真实输出：

片段	示例相关分数	培训范围检查
C	0.990	不通过
A	0.951	通过
B	0.848	通过

假设先排除范围不匹配的 C，再用 0.50 作门槛，按分数排序，并最多保留前 K 条。输入预算暂时足够。

K 为 1 时，A 入选，B 落选，时限证据缺失。K 改为 2 后，A、B 都能入选。在这个确定的教学规则下，增加 K 修复了证据覆盖。

这里能得出的结论仅限于这组规则。真实系统还可能分别设置初次召回数量、重排候选数量和最终证据数量。先确认自己改的是哪一步的数量，再判断它是否会改变最终输入。

正确片段在比较名次之前就被过滤了#

保持同样的分数，把门槛从 0.50 提高到 0.90。B 的 0.848 低于门槛，已经被排除。此时即使 K 增加到 10，B 也不会重新出现。

漏答现象没有变，修改点却变了：需要检查门槛、编码与查询是否合适，而不能继续只改 K。

002：同样的 A 和 B 分数，在门槛 0.50 且 TopK 为 1 时 B 因数量限制落选，在门槛 0.90 且 TopK 为 2 时 B 因未达门槛被排除 — 图 002：两种条件都会漏掉 B，但对应的排除原因不同。分数和规则均为本文的教学设定，不能当作真实模型效果或生产参数。依据本文示例自绘。

范围过滤也要检查。如果 B 被错误标成生产环境，或者新版资料被错误的生效条件排除，它同样可能消失。排查日志应记录具体排除原因，不能只留下最终几条候选。

同时，高分 C 不能因为“看起来更相关”就进入培训答案。适用环境与访问权限各有自己的判断依据：即使用户有权阅读生产规则，也不代表这条规则适用于培训问题。不能通过关闭权限控制来追求更高召回。

门槛是否合适，需要对具体编码、计分方式和问题集做验证。本文的 0.50 与 0.90 只用于展示筛选逻辑，不是上线建议。

检索列表里有 B，模型却没读到 B#

候选入选后，还要经过输入组装。应用可能需要在上下文容量内保留任务说明、用户问题、历史消息和资料，因此会给证据分配预算。

如果 B 太长、与其他片段重复，或排在已经占满预算的内容后面，它可能没有进入请求。此时检索页面看起来是对的，模型仍然没有开通时限的依据。

应该检查实际发送的输入，而不是由检索列表推断模型看到了什么。原文中的完整规则是：

审批通过后，由管理员在 1 个工作日内开通。

只留下“1 个工作日内开通”还不够，因为计时前提被删掉了。切片和组装都要检查条件是否完整。按结构切分、调整片段长度、减少重复或补充相邻内容，各有适用情形；Microsoft 的切片说明提供了相关方法，但不能替具体资料决定最佳边界。

003：检索列表中有申请流程 A 和开通时限 B，但 B 因示例中的证据预算没有进入模型输入，最终回答缺少时限 — 图 003：候选列表、实际输入和回答是三个不同的检查位置。本图仅示意预算排除 B 的一种情形，不代表所有漏答都由预算造成。依据本文虚构案例自绘。

证据完整进入输入，答案仍然写错#

如果请求里已经完整包含 A、B，答案却写成“3 天开通”，排查重点才转向生成与核验。

需要检查任务要求是否明确、是否混入其他环境或旧版本的证据，以及回答中的每个事实能否由对应原文支持。可以改进提示和示例、明确资料不足时的处理，也可以检查并拦下不满足要求的输出，但不能用“提示写得更严格了”代替复测。

引用也要单独查。回答可能引用 A，却给出了 A 从未规定的时限。带了出处不等于出处支持答案。ALCE 研究把流畅性、正确性和引用质量分别评价，这一划分也提示我们不要把“有引用”直接当成“已答对”。

把四个检查点分开记录#

检查点	应保留什么	本例要核对什么
原始资料与版本	生效正文、来源位置、范围及权限条件	B 是否存在，是否为培训环境的当前规则
候选与筛选	候选 ID、分数、顺序、排除原因	B 是未召回、低于门槛，还是数量限制落选
最终输入	实际发送的资料正文与必要条件	B 是否完整进入，审批前提有没有丢失
输出与引用	回答、事实对应的证据、缺失处理	时限是否忠实于 B，引用是否真的支持结论

这些是诊断需要的信息，不意味着应该把所有内部资料长期写入日志。记录范围、可见权限和保留期限仍需按实际数据要求处理。

沿着这些记录，可以把一次漏答定位成具体问题：

flowchart TD
Q[回答缺少时限] --> D{有效资料有时限吗}
D -->|没有| N[说明缺失并确认资料]
D -->|有| R{正确片段被取回了吗}
R -->|没有| F[检查解析 切片 编码与检索]
R -->|取回了| S{筛选后仍被保留吗}
S -->|没有| K[检查范围 门槛与数量限制]
S -->|保留了| I{完整进入模型输入了吗}
I -->|没有| B[检查预算 去重与组装]
I -->|进入了| G[检查生成偏离与引用支持]

图 004：沿资料、检索、筛选、实际输入和生成逐步定位缺失证据，不只根据最终答案判断原因。

修改之后，用同一组问题确认变化#

本文建议先固定问题、资料版本、条件和配置，留存修改前的证据与回答，再围绕已定位的原因做一次调整。

如果增加 K 后，A、B 都进入输入，这是证据覆盖的变化；如果回答也正确保留申请对象和时限，才进一步说明本题的答案得到了改善。两个结果应分别检查。

复测还应包括原本正确的问题、不同环境的干扰问题，以及资料没有答案的问题。降低门槛可能让 B 回来，也可能让无关片段进入；修好一个漏答，不代表整套问答都变好了。速度与成本需要另外测量，不能由回答是否顺畅推断。

知识库问答的漏答，常常要沿不同环节逐项排除。把失败定位到“哪条证据在哪一步丢失或被误用”，才能知道下一次该改什么，以及修改后该验证什么。

参考资料#

Microsoft：Chunk large documents for RAG and vector search，用于核对切片与输入限制、文档结构的关系。
Gao 等：Enabling Large Language Models to Generate Text with Citations，2023，用于核对答案质量与引用质量的分别评价，不把论文历史实验结果当作本文系统的指标。
Spring AI：AI Concepts，图 001 的原始上下文，为本文附图来源。