症状
RAG 流程中的检索环节返回空结果集，下游表现为：
- 模型回答缺少知识库支撑，退化为纯粹基于自身参数的泛化回答。
- 检索日志显示 Top-K 结果为空或所有候选的相似度分数均低于端点设定。
- 用户提出的问题在知识库中明确存在对应内容，但检索未能命中。
常见原因
- 嵌入模型不匹配：索引阶段和查询阶段使用了不同的嵌入模型或模型版本，导致向量空间不一致。
- 相似度阈值过高：设置了过于严格的相似度过滤阈值，将本应返回的相关结果过滤掉。
- 分段策略不当：文档分段粒度过大或过小，导致有效信息被稀释或被截断。
- 查询改写缺失：用户的原始问题表述与知识库文档的叙述风格差异较大，直接用原始查询检索难以命中。
- 索引未更新：新增或修改的文档未重新生成向量索引。
排查步骤
- 确认索引阶段和查询阶段使用的嵌入模型完全一致（包括模型名称、版本号和维度）。
- 临时将相似度阈值设为 0（或极低值），观察是否有候选结果返回——如有，则逐步上调阈值找到合理区间。
- 使用一个已知存在于知识库中的精确短语作为查询，验证基础检索链路是否正常工作。
- 检查向量数据库中的文档总数与预期是否一致，排除索引构建阶段的数据丢失。
- 为查询添加 HyDE（Hypothetical Document Embedding）或多查询改写策略，将用户问题转化为更接近文档表述的形式后再检索。
预防
- 在 CI/CD 流程中加入嵌入模型版本校验，确保索引与查询始终使用同一模型。
- 建立检索质量评估数据集——包含一组标准问题 and 预期命中文档，定期自动化验证检索准确率。
- 实现文档变更监听，当知识库内容更新时自动触发增量重建索引。
- 在 RAG 流程中增加回退策略：当向量检索无结果时，自动切换到全文关键词检索作为兜底。