RAG中的查询重写：利用HyDE生成假设性文档增强检索召回率 大家好，今天我们来深入探讨一个在检索增强生成（RAG）系统中至关重要的技术：查询重写，并重点介绍一种名为HyDE（Hypothetical Document Embeddings）的方法，它通过生成假设性文档来显著提升检索召回率。 RAG的核心思想是利用外部知识库来增强语言模型的生成能力，避免模型“胡编乱造”或者依赖过时的信息。 然而，RAG系统的性能很大程度上取决于检索模块的准确性。如果检索模块无法找到与用户查询相关的文档，即使语言模型再强大，也无法给出满意的答案。 这就是查询重写技术发挥作用的地方。 查询重写的必要性 用户查询通常是简洁、直接的，但这种简洁性有时会成为检索的障碍。原因如下： 词汇鸿沟（Lexical Gap）： 用户使用的词汇可能与知识库中的文档使用的词汇不同，导致基于关键词匹配的检索失败。 语义模糊： 查询可能存在歧义，而简单的关键词匹配无法理解用户的真实意图。 信息不足： 查询可能缺少必要的上下文信息，导致检索系统难以找到相关的文档。 查询重写的目的就是解决这些问题，通过对原始查询进行转换，使其更适合 …