RAG 检索不到正确的文档，你怎么排查？
面试怎么回答
我会沿着链路排查。先确认文档是否真的在索引里：是否解析成功、扫描件是否 OCR、增量任务有没有漏、是否被权限或元数据过滤排除、是不是旧版本，直接按文档 ID 查索引。再看切分：答案是否被切散、Chunk 是否过大稀释语义、表格是否切碎、标题上下文是否丢失。然后看检索方式：用户用词和文档用词不一致需要查询改写，专有名词和编号要结合 BM25 做混合检索，召回数量是否太少，重排是否把它排掉。最后才考虑换 Embedding 模型。配套建一个能看每一步结果的调试页面和检索评测集，用 Recall@K 衡量每次改动。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
用户反馈：「知识库里明明有这份文档，AI 却说找不到相关信息。」RAG 效果不好，大部分问题出在检索环节。面试官问这题，想看你能不能沿着链路一段一段地排查，而不是一上来就换 Embedding 模型。
先确认：文档到底在不在索引里
很多「检索不到」其实是数据问题：
- 文档有没有被成功解析？PDF 解析失败、扫描件没做 OCR，内容是空的；
- 有没有被切分和向量化？增量任务是不是漏了；
- 有没有被权限过滤掉？用户本身没有这份文档的权限；
- 元数据过滤条件是否过严？比如按部门、按时间过滤把它排除了；
- 是否是旧版本？新版本还没入库。
直接按文档 ID 去索引里查，看有没有这些 Chunk、内容是否正常。
再看：切分是不是有问题
- 答案被切到了两个 Chunk 里，每个单独看都不完整；
- Chunk 太大，关键句子被大量无关内容稀释，向量不够「像」问题；
- 表格被切碎，表头和数据分开了；
- 标题、章节信息丢失，Chunk 里没有「这是关于什么的」上下文。
然后看：检索方式是否合适
- 用词不匹配：用户说「报销」，文档写的是「费用核销」，纯向量检索可能找不到，纯关键词检索也找不到，需要同义词或查询改写；
- 专有名词、编号：任务名、错误码、产品型号，向量检索效果差，需要关键词检索（BM25）配合，也就是混合检索；
- 召回数量太少：Top 5 里没有，Top 50 里有，说明需要扩大召回再重排；
- 重排把它排掉了：看重排前后的排名变化。
最后看：Embedding 模型
只有前面都排除了，再考虑 Embedding 模型是否适合你的语言和领域。换模型要全量重算向量，成本最高。
建立排查工具和评测
- 一个调试页面：输入问题，看每一步的结果（改写后的查询、关键词召回、向量召回、合并、重排、最终送给模型的内容）；
- 一个检索评测集：问题 + 应该召回的文档，持续统计召回率（Recall@K），每次改动对比。