想象一位老中医带刚毕业的实习生。实习生脑子灵光、说话利索，可一旦被问“这个方子凭什么开给发热三天的病人”，他就支支吾吾，甚至编出个不存在的“古方”。老中医不慌，转身从药柜里翻出泛黄的医案，指着其中一页说：“看，1921 年这本《温病条辨》里就记着这个证型，用的是银翘散加减。” 实习生恍然大悟——原来高手看病，不是靠死记硬背，而是先查证、再开方，还顺手把出处指给人看。 这个故事里藏着今天的主角：检索增强生成（RAG）。大模型就像那个实习生，知识面广却容易“信口开河”；老中医的医案库，就是循证医学里的文献知识库；“先翻书再回答”是检索；“指出出处”是引用约束；“查不到就说不确定”是幻觉抑制。RAG 要做的，就是让 AI 在回答医学问题时，每一步都有据可依、标得出处、敢说“不知道”。

岗位关联

掌握 RAG 是 AI 医疗从业者的必备技能：它能显著降低大模型幻觉，让临床问答系统达到“可用、可信、可追溯”的落地标准，是连接大模型与真实医学知识库的关键桥梁。

目录
  1. 可视化演示
  2. RAG基本原理
  3. 知识库构建
  4. 检索策略
  5. 引用约束
  6. 幻觉抑制
  7. 性能调优
  8. 局限展望
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

演示RAG在循证医学问答中的应用：知识库构建、检索策略与引用约束抑制幻觉，实现有据可依。

本节配有交互动效（进入视口后自动加载，约 3KB）。

知识库构建 文献 切分 Doc→Chunk 将医学文献切分为检索块

RAG基本原理

实习生跟诊第一天，患者问“反复头痛该吃什么药”，实习生张口就答“布洛芬”。老中医却皱起眉头：“病人还没查体、没看舌苔，你怎么敢定药？” 第二天，实习生学会了：先问诊、再翻书、后开方。这就是 RAG 的灵魂——先检索再生成，让模型不凭记忆“裸答”，而是带着材料作答。

把这一幕映射到技术上：患者的问题是用户的查询（query），医案库是外部知识库（knowledge base），老中医的大脑是大语言模型（LLM）。RAG（Retrieval-Augmented Generation，检索增强生成）先用检索器（retriever）找到与问题最相关的几篇文档片段，再把它们拼进提示词，最后让大模型基于这些“医案”生成答案。比起直接让大模型硬答，RAG 相当于给模型配了一位图书管理员，随时递上参考资料。

在循证医学场景中，这一步的意义怎么强调都不为过。医生问的是“这个症状最可能是什么病”，如果模型凭训练数据里的粗略印象回答，很容易给出过时或片面的结论。而 RAG 要求模型“先看书再说话”——检索到的文献本身就带着时效性（比如最新版指南），答案自然更贴近临床真实需求。

实习生终于明白，师傅的“翻书”不是装样子——那是在循证。每一次作答前先检索，本质上是在用最权威的证据做决策支撑，这正是循证医学“慎重、准确、明智地应用当前最佳证据”精神的技术实现。

Top-K=arg⁡max⁡i=1D  sim(q,di)\text{Top-}K = \arg\max_{i=1}^{D} \; \text{sim}(q, d_i)
这个式子是说：在知识库的全部 \(D\) 篇文档里，逐一计算每篇文档 \(d_i\) 与查询 \(q\) 的相似度，最后只挑出相似度最高的 \(K\) 篇作为参考材料。\(K\) 通常取 3 到 5，就像老中医翻书不会把整个药柜都搬来，只挑最对症的三五本。
  1. 候选集合知识库中共有 \(D\) 篇文档，每一篇都是潜在的参考材料。
    D={d1,d2,…,dD}D = \{d_1, d_2, \dots, d_D\}
  2. 相似度打分计算查询 \(q\) 与文档 \(d_i\) 的相关程度，分数越高越相关。
    sim(q,di)∈[0,1]\text{sim}(q, d_i) \in [0, 1]
  3. 取前 K 个\(\arg\max\) 表示“找出使式子最大的那些”，这里就是取分数最高的前 \(K\) 篇。
    Top-K={d(1),d(2),…,d(K)}\text{Top-}K = \{d_{(1)}, d_{(2)}, \dots, d_{(K)}\}

知识库构建

老中医的药柜不是随便堆的：每味药贴好标签、按科目分抽屉、发霉的及时清理。实习生问：“师傅，您这柜子怎么收拾得这么整齐？” “病人等着救命，乱糟糟的柜子，关键时刻找不着药，那不是害人么？”

知识库构建就是整理药柜。在循证医学场景里，“药材”是论文、指南、病例报告和药品说明书。第一步是文献采集——从 PubMed、Cochrane、UpToDate 等权威来源抓取文献；第二步是清洗——去掉重复发表、撤稿、格式错乱的文档；第三步是文本切分（chunking）——论文太长（动辄几千字），而模型一次能“吃”的上下文有限，必须切成几百字的片段；第四步是向量化（embedding）——把每个片段变成一串数字向量，让计算机能算“哪段文字和问题最接近”。

切分不是拿刀乱砍。段落中缝切开，意思就断了——前一半说“阿司匹林有效”，后一半说“但出血风险高”，模型只读到前一半就可能误判。所以切分通常设置重叠窗口，让相邻片段保持一部分重合，像连环锁扣一样保住上下文连贯性。

药柜整理好了，还要定期检查——撤稿的论文要移除，新版指南要上架。知识库的质量直接决定了检索的上限：柜子里全是霉变的假药，再厉害的抓药师傅也抓不出一剂好方。维护一个“干净、新鲜、分好类”的医学知识库，是 RAG 系统的地基。

C={c1,c2,…,cn},cj=chunk(dj,s,o)C = \{c_1, c_2, \dots, c_n\}, \quad c_j = \text{chunk}(d_j, s, o)
这里的 \(d_j\) 是第 \(j\) 篇文献，\(s\) 是切分窗口的大小（比如每段 500 字），\(o\) 是相邻两段的重叠长度（比如 50 字）。所有切出来的片段 \(c_j\) 构成知识库的检索单元 \(C\)。
  1. 切分单元把一篇长文献拆成多个小片段，每个片段 \(c_j\) 是独立可检索的最小单位。
    dj→{c1,c2,…,cm}d_j \rightarrow \{c_1, c_2, \dots, c_m\}
  2. 窗口大小\(s\) 控制每个片段的长度，太短丢失语义，太长浪费上下文空间。
    ∣cj∣≈s|c_j| \approx s
  3. 重叠长度\(o\) 让相邻片段共享边界文字，防止一句话被从中间切断。
    cj∩cj+1≠∅c_j \cap c_{j+1} \neq \emptyset

检索策略

药柜整理得井井有条，接下来考验的是“怎么找”。老中医教实习生：找药有三层功夫——先凭直觉锁定抽屉（向量检索），再顺着药名索引精确核对（关键字检索），最后把候选药方摊开逐一比对，选出最贴证的（重排序）。

向量检索是主力。每个文档片段被编码成一个向量（一堆数字），查询问题也被编码成向量，然后在向量空间里找“方向最接近”的邻居。这就像凭“清热解毒”的感觉在药柜里找药材，不需要说出确切药名。余弦相似度是最常用的度量。

关键字检索（BM25） 则像查字典：计算查询词在文档中出现频率、逆文档频率等，擅长精确匹配“阿司匹林”“心肌梗死”这类专有名词。混合检索把向量和关键字分数加权合并，兼顾语义理解与精确命中。重排序（rerank）是在第一轮粗筛出几十篇后，用更强的模型逐篇精读打分，最后只留 Top-3 到 Top-5。

实习生感慨：师傅找药不是蛮力翻柜子，而是“粗筛 + 精挑”层层递进。检索策略的每一层优化，都是在“快”与“准”之间寻找最佳平衡——这也是 RAG 系统设计中最见功力的一环。

sim(q⃗,d⃗)=q⃗⋅d⃗∥q⃗∥∥d⃗∥\text{sim}(\vec{q}, \vec{d}) = \frac{\vec{q} \cdot \vec{d}}{\lVert \vec{q} \rVert \lVert \vec{d} \rVert}
分子是两个向量的点积，分母是两个向量长度的乘积。结果越接近 1，说明两个向量方向越一致——相当于两个“药方思路”越吻合。这个值把“相似程度”变成了一个可以排序的分数。
  1. 向量点积逐维度相乘再相加，衡量两个向量在每一维上的一致程度。
    q⃗⋅d⃗=∑iqi×di\vec{q} \cdot \vec{d} = \sum_{i} q_i \times d_i
  2. 向量模长每个向量的长度，把点积结果归一化，消除文本长短的影响。
    ∥q⃗∥=∑iqi2\lVert \vec{q} \rVert = \sqrt{\sum_{i} q_i^2}
  3. 余弦相似度夹角余弦值，只看方向不看长短，范围在 -1 到 1 之间。
    sim(q⃗,d⃗)∈[−1,1]\text{sim}(\vec{q}, \vec{d}) \in [-1, 1]

引用约束

老中医开方有个规矩：每味药后都要注明“《伤寒论》第三十五条”“《温病条辨》某卷某条”。实习生不解：“师傅，病人只看病，看什么出处？” 老中医摇头：“没有出处的方子，病人不敢吃；出了事，更没人担得起。”

引用约束就是给大模型的答案上“户口”。在 RAG 生成阶段，提示词里会明确要求：“只能基于提供的参考材料作答，且每句话末尾必须标注引用编号，如 [1][2]。” 模型输出的每个论断，都要能找到它依据的那篇原文片段。更进一步，系统会在后处理时做上下文锚定——检查答案关键句和引用片段是否真的吻合，防止模型“张冠李戴”。

循证医学对引用的要求近乎苛刻：医生看一句话要能反查到原始研究、看一个结论要能追溯到 Meta 分析。这就要求 RAG 输出除了自然语言，还要附带机器可读的引用元数据（文献 ID、段落位置、发表年份），让“证据链”完整闭环。若某一句找不到对应出处，宁可删掉那句话，也不能留着无源之水。

有了强制引用，实习生再也不敢随口编“古方”了——没标出处的句子根本过不了师傅的审核关。引用约束本质上是给模型戴上了“紧箍咒”，让每一句医学论断都接受证据的检验。

Scite=1K∑i=1Ksim(q⃗,di⃗)S_{\text{cite}} = \frac{1}{K} \sum_{i=1}^{K} \text{sim}(\vec{q}, \vec{d_i})
这个式子是“证据强度”的计算：把检索到的 \(K\) 篇文献与查询的相似度求平均。分数越高，说明这段答案的地基越扎实；分数太低，系统就该警惕——这答案很可能是模型自己编的。
  1. 单篇证据分每篇被引用的文献都与查询算一次相似度，得到单篇证据分。
    sim(q⃗,di⃗)\text{sim}(\vec{q}, \vec{d_i})
  2. 累加求和把 \(K\) 篇文献的证据分加起来。
    ∑i=1Ksim(q⃗,di⃗)\sum_{i=1}^{K} \text{sim}(\vec{q}, \vec{d_i})
  3. 取平均值除以 \(K\) 得到平均水平，避免因为检索到一篇超高相关文献就过度自信。
    Scite=1K∑i=1Ksim(q⃗,di⃗)S_{\text{cite}} = \frac{1}{K} \sum_{i=1}^{K} \text{sim}(\vec{q}, \vec{d_i})

幻觉抑制

这天实习生单独坐诊，病人问了个冷门问题。他大脑一片空白，但嘴比脑子快：“这个……可能是罕见的 XXX 综合征。” 老中医在旁边听着，等他讲完，把人送走，语重心长：“不知道就说不知道。编一个病名，病人可能在回家的路上就吓坏了。”

大模型和实习生一个毛病：上下文缺乏时，它会“逻辑自洽地编造”。这种看似合理实则错误的内容，AI 圈叫“幻觉（hallucination）”。RAG 的检索环节已经大幅减少了幻觉，但还不够——幻觉抑制措施必须跟上。

第一道防线是置信度阈值：如果证据强度 \(S_{\text{cite}}\) 低于某个阈值 \(\tau\)，模型必须选择“拒答”，比如回答“目前知识库中未找到充分依据，建议就诊线下门诊”。第二道防线是无据拒答：提示词里明确要求，参考材料里没有的信息，一律回答“不知道”。第三道防线是溯源核查：输出后用专门的校验模型，把每个关键句与参考文献做一次语义匹配，匹配不上的句子直接过滤掉。

老中医的教诲在系统里化作了代码：每个答案都带着“信心值”，信心不足就主动闭嘴。医学 AI 最可贵的不是“什么都能答”，而是“知道什么不该答”——拒答机制，是保护患者安全最后一道闸门。

Answer={withCite(q),if Scite≥τRefuse(q),otherwise\text{Answer} = \begin{cases} \text{withCite}(q), & \text{if } S_{\text{cite}} \ge \tau \\ \text{Refuse}(q), & \text{otherwise} \end{cases}
这是一个条件判断式：证据强度达到阈值 \(\tau\) 时，正常作答并附引用；否则坦诚拒答。在医学场景里，“拒绝回答”不是失败，而是负责任的表现——宁可少答一个题，也不误导一次诊断。
  1. 证据强度计算先算检索到的文献与问题的平均相似度，即证据强度。
    Scite=1K∑i=1Ksim(q⃗,di⃗)S_{\text{cite}} = \frac{1}{K} \sum_{i=1}^{K} \text{sim}(\vec{q}, \vec{d_i})
  2. 阈值判断\(\tau\) 是预先设定的门槛，像老中医定的规矩“没有九成把握不说断定的话”。
    Scite≥τS_{\text{cite}} \ge \tau
  3. 条件分支满足条件走正常回答分支，不满足走拒答分支。
    Answer={withCite(q),Scite≥τRefuse(q),otherwise\text{Answer} = \begin{cases} \text{withCite}(q), & S_{\text{cite}} \ge \tau \\ \text{Refuse}(q), & \text{otherwise} \end{cases}

性能调优

药柜越来越大，从一墙柜子变成了三间库房。实习生发现师傅翻书变慢了，皱着眉说：“师傅，您这书是越囤越多，病人可等不起啊。” 老中医一笑，转身让徒弟在柜门上加标签索引，把常用的药挪到前排。

RAG 系统的性能瓶颈，第一个就是检索延迟。知识库动辄几十万片段，逐一计算相似度太慢。工程上是给向量建索引——常见的 HNSW（分层可导航小世界图）算法像给书加目录，先粗翻目录再精读页面，检索从秒级降到几十毫秒。第二个瓶颈是答案质量，需要用指标持续评估：召回率衡量“该找到的相关文献找到了多少”，精确率衡量“找到的结果里真正相关的占多少”，两者综合成 F1 分数。

调优还有一层“保鲜”问题：医学知识更新快，指南每几年就修订一次。系统要有在线增量更新能力——新论文发布当天就能进入知识库，旧版本自动降权。老中医把常用药放在前排、定期上架新药，RAG 系统同样要把“快速、准确、常新”这三个目标同时伺候好。

F1=2×Precision×RecallPrecision+RecallF_1 = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}
\(F_1\) 是精确率（Precision）和召回率（Recall）的调和平均。召回率是“该捞的鱼捞上来几条”，精确率是“捞上来的鱼有几条真是目标鱼”。两个指标常常顾此失彼，F1 把两者拧成一股绳。
  1. 精确率检索返回的结果中，真正相关的比例。
    Precision=TPTP+FP\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}
  2. 召回率知识库中所有相关文献里，被成功检索出来的比例。
    Recall=TPTP+FN\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}
  3. 调和平均对两者取倒数平均后再取倒数，防止某一指标畸高掩盖另一指标很差。
    F1=2×Precision×RecallPrecision+RecallF_1 = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}

局限展望

再厉害的老中医也有力所不及之处。实习生问起一种从未见过的热带寄生虫病，老中医坦言：“我行医四十年，没见过这个病，你容我翻遍藏书，可能也是两眼一抹黑。” 实习生明白了：再丰富药柜，也有装不下的药材。

RAG 的局限首先在于知识库覆盖：如果源头文献本身缺失或质量低，检索再强也是“无米之炊”；某些罕见病的英文资料寥寥，中文资料更少，检索召回率天然受限。其次是资源开销：向量化需要 GPU/CPU 计算，海量向量的存储与索引需要内存，检索+生成的双阶段调用增加了每次问答的延迟与成本。第三是法规伦理：医疗决策责任划分、患者隐私保护（知识库里可能含病历数据）、以及“AI 给出的建议谁来承担法律责任”——这些问题远超技术范畴。

展望未来，RAG 正朝着多模态检索（不只查文字，还能查影像、心电图数据）和知识图谱增强（把药物相互作用、疾病分类层级建模成图结构）方向演进。可以想象，未来的 AI 医生不仅有医案柜，还有解剖图谱墙和影像胶片库，问诊时“图、文、数”三管齐下。

实习生合上那本泛黄的笔记，望着满墙的书柜，想起师傅第一天说的话：“医学的本质是敬畏。书是工具，心是根本。” 技术也一样——RAG 再强，也只是辅助医生决策的工具，永远替代不了医者的审慎与担当。

AI 应用场景

临床决策支持系统

阶段：知识库构建 + 检索策略 + 引用约束

解决的问题：传统临床决策支持系统（CDSS）依赖专家人工维护规则库，更新慢且覆盖有限。医生输入“发热伴血小板减少”，系统往往只能给出宽泛列表，无法定位到最新指南和具体证型。RAG 将最新循证指南、药物说明书、本院诊疗规范向量化入库，医生提问后实时检索并生成带引用的建议，每个结论可一键跳转原文。

具体案例：某三甲医院呼吸科接入 RAG 问答系统。医生问“慢阻肺急性加重期抗菌药物选用”，系统返回引用 2024 GOLD 指南的推荐方案、备选药物及禁忌说明，每句话标注指南章节号。医生阅读 30 秒即可判断，替代了过去翻阅 PDF 指南十分钟的工作。

罕见病辅助诊断问答

阶段：幻觉抑制 + 性能调优

解决的问题：罕见病种类繁多（全球约 7000 种），任何医生都难以全记。传统搜索返回大量良莠不齐的信息，难以判断可信度。RAG 系统只检索权威罕见病数据库（如 Orphanet、OMIM），且设置高置信阈值——检索证据不足时明确回答“未找到匹配证据”，而不是硬凑一个诊断方向，避免误导医生。

具体案例：一位患者长期乏力、反复发热，多位医生未确诊。AI 医生助手将患者症状与 Orphanet 数据库中数千种罕见病比对，检索到“成人斯蒂尔病”的临床特征高度吻合，并附上 5 篇相关文献。虽未直接确诊，但为医生提供了新的排查方向，最终经风湿免疫科会诊确认。

患者科普与导诊

阶段：检索策略 + 引用约束

解决的问题：患者上网查病真假难辨，百度一下“头疼”可能吓出脑瘤。医院面向患者的科普机器人使用 RAG，只从小范围审核过的科普库里检索，同时强制引用——“为什么我常反酸？”回答后附 [1][2] 指向医院消化科官方科普文章。超出知识库的个性化诊疗问题（如“我的 CT 片子有什么问题”）直接拒答并引导挂门诊。

具体案例：某互联网医院上线“AI 导诊助手”，3 个月内处理 12 万次咨询。95% 的常见病科普问题得到带引用的回答，患者对回答的信任度评分高达 4.6/5；所有涉及具体诊断的建议都被安全拦截，转人工服务。

Python 演示

python67 行
import math # 知识库：模拟经过清洗和切分的医学文献片段DOCUMENTS = [    {"id": "D001", "text": "Aspirin reduces fever and relieves pain but increases bleeding risk in elderly patients."},    {"id": "D002", "text": "Ibuprofen is effective for fever and pain but should be avoided in patients with kidney disease."},    {"id": "D003", "text": "Paracetamol is safe for most adults with fever, with a maximum daily dose of 3000 mg."},    {"id": "D004", "text": "Amoxicillin is a first-line antibiotic for bacterial pneumonia in adults."},    {"id": "D005", "text": "Cough persisting over three weeks requires chest imaging to rule out tuberculosis."}] STOP_WORDS = {"a", "an", "the", "for", "with", "in", "of", "on", "is", "and", "or",              "but", "to", "should", "be", "that", "this", "as", "by", "from", "it"} def tokenize(text: str) -> list:    return [w for w in text.lower().replace(",", "").replace(".", "").split()            if w not in STOP_WORDS] def vectorize(text: str) -> dict:    vec = {}    for w in tokenize(text):        vec[w] = vec.get(w, 0) + 1    return vec def cosine_sim(v1: dict, v2: dict) -> float:    dot = sum(v1.get(w, 0) * v2.get(w, 0) for w in set(v1) | set(v2))    n1 = math.sqrt(sum(v * v for v in v1.values()))    n2 = math.sqrt(sum(v * v for v in v2.values()))    if n1 == 0 or n2 == 0:        return 0.0    return dot / (n1 * n2) def bm25_overlap(query_vec: dict, doc_vec: dict) -> int:    return sum(doc_vec.get(w, 0) for w in query_vec) def retrieve(query: str, top_k: int = 2) -> list:    qv = vectorize(query)    scored = []    for doc in DOCUMENTS:        dv = vectorize(doc["text"])        semantic = cosine_sim(qv, dv)        keyword = bm25_overlap(qv, dv)        hybrid = 0.7 * semantic + 0.3 * keyword        scored.append({"doc": doc, "score": hybrid})    scored.sort(key=lambda x: x["score"], reverse=True)    return scored[:top_k] def generate_answer(query: str) -> str:    hits = retrieve(query)    if not hits or hits[0]["score"] < 0.05:        return "无法给出有据可依的答案，请咨询医生。" * 0  # 拒答分支    if len(hits) < 1:        return "抱歉，知识库中没有找到足够依据，请就医确诊。"    refs = " ".join('[' + str(i + 1) + ']' for i in range(len(hits)))    evidence = " ".join(d["doc"]["text"] + " [" + d["doc"]["id"] + "]"                        for d in hits)    answer = "根据知识库中的资料，" + evidence + " 参考以上证据，" + refs    return answer def main():    question = "fever and pain relief for elderly"    print("Q:", question)    print(hits_info := "检索到 {} 篇相关文献".format(len(retrieve(question))))    print("A:", generate_answer(question)) if __name__ == "__main__":    main()
目的：用纯 Python 实现一个极简 RAG 循环——文档向量化 → 混合检索（语义+关键字）→ 拼接证据生成带引用的答案，演示 RAG 的核心流程。
  1. def vectorize(text: str) -> dict:将文本转为词频字典，相当于把文献片段变成“数字向量”。
  2. def cosine_sim(v1, v2) -> float:计算两个向量的余弦相似度，判断语义接近程度。
  3. semantic = cosine_sim(qv, dv)语义检索部分，捕捉“意思相近但用词不同”的匹配。
  4. keyword = bm25_overlap(qv, dv)关键字检索部分，保证专有名词精确命中。
  5. hybrid = 0.7 * semantic + 0.3 * keyword混合加权合并两种检索得分。
  6. scored.sort(... reverse=True)按综合得分降序排列，取出 Top-K 作为证据。
  7. if hits[0]["score"] < 0.05:置信阈值判断，证据不足时走拒答分支。
  8. evidence = ... doc["text"] + " [" + doc["id"] + "]"生成答案时拼接原文和文献 ID，实现引用约束。

常见误区

误区我一开始以为 RAG 就是在模型前面放一个 Google 搜索框，搜到什么粘贴给模型就行。简单省事，哪需要什么知识库工程？搜索 API 一接，万事大吉。

正解把 RAG 等同于“网页搜索 + 喂提示词”，会踩三个坑：一是网页搜索返回的是整篇网页，噪音巨大，模型被无关信息带偏；二是公网搜索没有医学专业性，搜到的可能是养生号文章；三是没有引用约束，模型还是会编。真正的 RAG 需要对知识库做清洗、切分、向量化、重排序，并对答案做引用校验——这是一整套工程，而不是一个搜索 API。

为何常见：RAG 的流程图看起来就是“搜索→拼接→生成”三步，很多人看到这个简化图，就误以为实现起来也只是调三个接口。

误区库里的文献越多，模型能参考的证据就越多，答案一定更全面、更准确。所以我要把所有能爬到的论文全塞进去，几百万篇都不嫌多。

正解知识库并非越大越好，而是“越精越好”。检索 Top-K 通常只有 3-5 篇，如果库里混入大量低质量、重复、过时的文献，检索器可能把宝贵的名额分给“看似相关实则无用”的内容——这就像药柜塞满杂草，抓药时反而找不到真药材。更重要的是，向量索引的体积过大会拖慢检索速度、增加内存开销。正确的做法是：宁缺毋滥，只收录经过同行评议、时效性强的权威文献，并定期清理撤稿和旧版本。

为何常见：“数据越多 AI 越强”是深度学习时代的惯性思维，但 RAG 是“检索+生成”架构，检索质量的权重远大于数据量，规模不等于精度。

误区RAG 已经把相关文献片段给模型了，模型照着抄还不会吗？我觉得有了检索增强，幻觉问题就彻底解决了，不用再做任何防幻觉处理。

正解检索增强大幅减少幻觉，但不能完全消除。模型可能忽略证据去“自由发挥”；也可能检索结果本身相关但内容被断章取义；还可能证据之间相互矛盾，模型“挑顺眼的”说。2023 年 Meta 的研究显示，即使提供了正确上下文，LLM 仍可能产生约 10% 的事实错误。所以必须叠加幻觉抑制措施：强制引用、置信阈值、输出后校验。RAG 是“减少幻觉的必要不充分条件”，不是“充分必要条件”。

为何常见：人们容易把“有了参考资料”等同于“一定会参考资料”，忽略了模型自身生成机制的不确定性——实习生面前摆着书，也可能懒得翻。

误区系统给出的答案有文献引用，看起来和医生写的病历一样专业，那就可以直接拿来做诊断结论，患者自己也能照着抓药。

正解RAG 的输出本质是“信息检索 + 文本生成”的结果，只是参考信息，不是诊断结论。医学诊断需要结合患者完整病史、查体、检验检查结果，而检索片段只覆盖了知识库中的部分信息；且引用文献可能是过时的（指南几年一改），也可能与患者特殊情况冲突。合规的医疗 AI 系统必须声明“仅供参考，不构成诊疗建议”，对具体用药、剂量类问题必须拒答并引导线下就医。RAG 是医生的工具，不是医生的替代品。

为何常见：LLM 输出的语言流畅、结构完整，加上“引用”这种学术形式后，会产生一种“权威感”的错觉，让非专业人士高估其可靠性。

面试题

Q1. RAG 中的 "R" 代表什么？

单选题 · easy

  • A.检索（Retrieval）← 正确答案
  • B.重写（Rewrite）
  • C.推理（Reasoning）
  • D.强化（Reinforce）

答案：A。RAG 全称 Retrieval-Augmented Generation，R 是 Retrieval（检索），核心是“先检索再生成”。就像老中医先翻医案再开方，检索环节是 RAG 区别于普通提示词工程的本质特征。

Q2. 在 RAG 中，知识库里的长文献通常需要先做什么处理？

单选题 · easy

  • A.压缩成一段摘要
  • B.切分为短片段← 正确答案
  • C.翻译成英文
  • D.加密存储

答案：B。长文献必须切分为数百字的片段（chunking），因为大模型上下文窗口有限，且检索单元越小定位越精准。切分时还要设置重叠，防止语义被切断。压缩成摘要会丢失细节，翻译和加密与检索无关。

Q3. RAG 中“引用约束”的主要目的是什么？

单选题 · easy

  • A.让模型回答更流畅
  • B.让每个结论可溯源← 正确答案
  • C.减少计算资源
  • D.加快检索速度

答案：B。引用约束要求模型每句话标注所依据的文献编号，目的是让答案可溯源、可核查。在循证医学中，引用是“证据链”的体现，也是审核者判断结论可靠性的基础。它不是为了让回答更流畅，也不直接减少计算量。

Q4. 余弦相似度的取值范围是多少？

单选题 · mid

  • A.0 到 1
  • B.-1 到 1← 正确答案
  • C.0 到 100
  • D.1 到 10

答案：B。余弦相似度是两个向量方向夹角的余弦值，范围为 -1 到 1。1 表示方向完全一致，-1 表示完全相反。在文本检索中，文档向量各维度通常非负，实际值多在 0 到 1 之间，但数学定义允许负值，所以正确范围是 -1 到 1。

Q5. 混合检索（Hybrid Search）融合了哪两种检索方式？

单选题 · mid

  • A.向量检索和关键字检索← 正确答案
  • B.布尔检索和图检索
  • C.模糊检索和精确检索
  • D.顺序检索和二分检索

答案：A。混合检索通常融合向量检索（语义相似度，擅长“意思相近说法不同”）和关键字检索（如 BM25，擅长精确匹配专有名词）。向量抓语义，关键字抓精确，两者加权互补。其他选项不是 RAG 中主流的混合组合。

Q6. 当 RAG 检索到的证据强度低于设定阈值时，系统应该怎么做？

单选题 · mid

  • A.增大 Top-K 继续检索
  • B.直接返回“未找到依据”← 正确答案
  • C.让模型自由发挥回答
  • D.随机挑选一篇文献

答案：B。证据不足时应该触发“无据拒答”——坦承知识库中没有充分依据。医学场景中，拒答是保护患者安全的机制：与其误导，不如诚实地建议线下就诊。增大 Top-K 或自由发挥都会增加幻觉风险，随机挑选更是毫无根据。

Q7. RAG 中知识库质量控制包括哪些措施？

多选题 · mid

  • A.只收录权威期刊文献← 正确答案
  • B.定期清理撤稿和过时版本← 正确答案
  • C.无限制扩充数据量
  • D.对文献做去重和格式清洗← 正确答案

答案：ABD。质量控制的核心是“精”而非“多”：只收录权威来源（A）、定期清理撤稿/旧版（B）、做去重与格式清洗（D）。无限制扩充数据量（C）反而会引入噪音，降低检索精度，不是质量控制手段。

Q8. 下列哪些属于 RAG 幻觉抑制的手段？

多选题 · mid

  • A.设置置信度阈值← 正确答案
  • B.强制答案标注引用← 正确答案
  • C.增加模型参数量
  • D.输出后溯源核查← 正确答案

答案：ABD。置信度阈值（A）、强制引用（B）、输出后溯源核查（D）都是 RAG 系统中常用的幻觉抑制手段。增加模型参数量（C）与幻觉抑制没有直接关系，模型更大不代表更会“查证”，反而可能更自信地编造。

Q9. F1 分数是精确率（Precision）和召回率（Recall）的什么平均？

单选题 · hard

  • A.算术平均
  • B.几何平均
  • C.调和平均← 正确答案
  • D.加权平均

答案：C。F1 是精确率和召回率的调和平均，公式为 2PR/(P+R)。调和平均对两者中较小值更敏感，能防止一个指标畸高掩盖另一个指标失真。算术平均和几何平均没有这种惩罚作用，加权平均需另设权重系数。

Q10. RAG 在循证医学应用中面临哪些主要局限？

多选题 · hard

  • A.罕见病知识库覆盖不足← 正确答案
  • B.存储和计算资源开销大← 正确答案
  • C.不存在任何引用错误
  • D.医疗责任划分尚不明确← 正确答案

答案：ABD。局限包括：罕见病文献本身稀少导致覆盖不足（A）；大规模向量索引需要大量内存与计算资源（B）；法律上 AI 建议的责任归属尚未明确（D）。引用错误在复杂检索场景下仍会出现，C 说“不存在任何引用错误”过于绝对，是错误选项。