先看一个常见场景。知识库里只有国内差旅报销制度用户却问“海外出差时当地交通票据丢失应该怎么补办”资料里没有海外票据补办规则但向量库通常仍会返回几段“最相近”的内容比如国内票据遗失说明、差旅报销材料清单或者交通费用标准。这些内容都和问题有关却没有真正回答问题。如果系统把它们直接交给大模型大模型很可能把几段相近内容整理成一套完整流程。文字顺步骤也像那么回事但关键规定并不在资料里。这就是 RAG 面试中很容易被低估的一道题资料里没有答案时RAG 怎么判断证据不够并避免强行生成很多人的第一反应是“设置一个相似度阈值低于阈值就拒答。”这句话只答到了最外层。面试官很快会继续问向量库几乎总能返回结果相关和足够怎样区分阈值应该怎么定换模型后还能不能继续用有答案却被拒绝和没答案却强答哪个更严重检索分数过关后生成阶段为什么仍可能编造先把这道题答到 30 秒面试时可以先这样说无答案控制不能只看检索有没有返回内容。当索引非空、系统又要求返回 Top-K 候选时向量检索往往仍会排出几条“相对更像”的内容但这不等于它们足以支持答案。我的做法会分三层先限定正确的知识库和文档范围再判断候选是否覆盖回答所需的关键条件最后检查生成结果中的事实能否被证据支持。阈值需要同时用“资料里有答案”和“资料里没有答案”两类问题校准并分别统计误拒绝与错误放行。证据不足时系统可以受控重试、请求澄清、返回相关资料但说明边界或者直接拒答不能靠降低门槛换回答率。先把这个顺序记住搜索范围对不对证据够不够放行或拒绝的代价是什么以及不确定时怎样收口。为什么“搜到了”仍然可能没有答案向量检索做的是相对排序。给它一个问题它会在当前索引里找出语义上最接近的若干片段。即使整座知识库都没有正确答案仍然可以排出第一名、第二名和第三名。第一名只代表“在现有候选中最像”不代表“足以支持结论”。关键词检索也有类似问题。问题里出现“票据”“交通”“补办”资料里恰好有这些词搜索结果就可能看起来很相关。但如果原文只讲国内流程它仍然无法回答海外场景。因此至少要区分三种状态。第一种证据明确存在。问题要求的对象、条件和结论都能在原文中找到。第二种证据部分存在。资料覆盖了主题却缺少时间、地区、版本、对象或例外条件。第三种只有相似内容。候选与问题属于同一大类但无法推出答案。相关、部分充分和可以作答的证据边界检索分数回答“像不像”证据判断还要回答“能不能由这些原文推出结论”。第二种最危险。完全无关的内容往往容易被挡住部分相关的内容却很容易让模型补齐缺失细节。模型会沿着已有文本继续组织最终给出一段语气确定、事实却没有依据的回答。所以无答案控制真正判断的不是“有没有文档”而是“当前文档是否足以回答当前问题”。一次安全作答要经过哪几道门可以把链路拆成四道门。第一道门是搜索范围。请求属于哪个用户、允许查哪个知识库、哪些文档和版本以及哪些内容当前仍然有效都要在检索前确定。这些条件应该直接约束搜索范围而不是搜完全库后再由前端隐藏。范围错了后面的高分没有意义。下面用一个纯教学场景说明权限边界。假设用户只能查看公开制度检索却把内部草稿带了回来。即使草稿能回答问题系统也不能使用它。无答案控制首先是一条权限和版本边界而不只是相似度边界。第二道门是候选相关性。相似度门槛可以先筛掉明显不相关的片段但分数的含义与 Embedding 模型、距离定义、向量库和语料分布都有关。例如余弦相似度和 L2 距离的数值含义并不相同即使都被归一化成“相似度”也不能直接共用同一个门槛。因此门槛要用当前知识库中可回答和不可回答的问题一起校准。看一个分数所在的区间只能完成粗筛不能代替后面的证据充分性判断。第三道门是证据充分性。候选相关并不代表问题所需条件已经齐全。系统要检查核心实体、限定条件和必要证据是否出现。流程题可能需要完整步骤比较题可能需要两边信息多跳问题可能需要两段原文共同成立。第四道门是生成后核验。检索阶段通过后模型仍可能加入证据外的数字、时间、范围或强断言。输出中的事实句需要再次和本轮证据对应。找不到支持的句子应该删除、改写为不确定表达或者让整次回答进入降级流程。无答案控制的四道门范围过滤、相关性筛选、充分性判断和生成后核验分别拦截不同来源的错误。这四道门不能互相替代。Prompt 里写一句“资料不足就说不知道”不能修复错误的搜索范围。相似度很高也不能证明一组片段覆盖了答案所需的全部条件。生成后增加引用编号同样不能让一条没有依据的结论自动变真。阈值应该怎么定阈值不是从网上抄一个小数也不是看几个演示问题拍出来的。先准备两组问题。第一组是可回答问题。每个问题都要标出参考答案以及能直接支持答案的原文位置。第二组是不可回答问题。它们不是随便写的无关问题而应覆盖真实风险比如知识库没有这个主题、主题相关但缺少关键条件、询问旧资料之外的新版本、需要的两份证据只存在一份。然后用同一套检索配置跑完两组问题记录最高分、前几条候选、重排分数、关键词覆盖和最终动作。调门槛时要同时观察两类错误。一类是误拒绝。资料里明明有答案系统却说没有依据。另一类是错误放行。资料里没有答案系统仍然让模型生成。二者不会同时自动变好。从阈值取舍上看门槛提高时错误放行可能减少误拒绝却可能增加门槛降低时回答率可能上升无依据回答也可能一起上升。最终变化必须用同一批正反样本验证。用可回答与不可回答问题共同校准门槛门槛选择不是追求某一边全对而是看两类错误在具体业务中的代价并保留逐题证据。评测时不要只留下一个平均分。最好按问题类型分组查看。原词明确的问题、口语改写的问题、领域术语、版本条件和多段证据问题它们的分数分布可能不同。一个统一门槛挡住了大部分无关问题仍可能在“相关但不充分”的问题上失效。模型、Chunk 切分、距离度量或知识库更新后也要重新跑回归。分数是当前流水线的产物不是一条永远有效的业务规则。先把“没有答案”拆成四种不同状态工程上最危险的做法是把所有失败都压成一个no_answertrue。用户看到的都可能是“资料不足”但系统内部至少要区分四种状态。第一种是知识库里确实没有对应资料。继续提高 Top-K 只能找到更多主题相近但不支持结论的片段。第二种是资料存在但当前检索没有找到。它可能来自 Query 改写、过滤条件、Chunk 切分或召回模型问题。此时直接拒答虽然比胡说安全却会掩盖检索缺陷。第三种是检索到了相关资料但证据不充分。比如用户问完整申请条件候选只写了其中一项或者问题包含时间和地区限定片段只有通用说明。第四种是证据彼此冲突。新旧制度、不同适用范围或两个来源给出不同描述时系统不能任选一段当答案也不能把冲突内容揉成一句确定结论。这四种状态对应不同动作真正缺资料可以明确说明知识库未覆盖检索遗漏应进入回退或诊断证据不足可以给出已确认部分并询问必要条件证据冲突则要展示来源与适用范围无法判定时请求人工确认。用户侧的文案可以保持简洁但 Trace 中必须留下判定路径。否则我们只看到拒答增加却不知道系统是在变得更安全还是召回能力退化了。生成前和生成后要检查不同的问题生成前的任务是决定“这些证据够不够回答”。它主要检查相关性、问题中的限定条件是否被覆盖、多条必要证据是否齐全以及来源之间有没有冲突。生成后的任务则是检查“答案有没有超出这些证据”。即使检索片段足够模型仍可能补入常识、把可能说成一定或者忽略原文中的例外条件。两道检查不能用一个相似度分数替代。例如候选片段明确列出申请对象和所需材料却没有办理时限。系统可以回答前两项同时说明资料未给出时限如果模型顺手补了“通常三个工作日”这就是生成越界不是召回不相关。反过来如果用户问“所有申请条件”系统只拿到一段材料清单即使生成内容逐字忠于片段也仍属于证据不充分。忠实不等于完整。因此评测时至少要分别记录错误放行和错误拒绝。前者代表系统在证据不足时仍给出确定答案后者代表明明存在充分证据却拒绝作答。门槛调整会让两者此消彼长最终取舍要结合问题风险和真实样本而不是追求一个看起来漂亮的综合分。门槛必须用本场景样本校准不同检索模型、索引配置和距离函数产生的分数不能直接照搬。即使使用同一种模型文档长度、Query 类型和候选分布变化以后原来的门槛也可能失去意义。校准集不能只放“明显有答案”和“完全无关”两种简单样本。更有价值的是边界问题主题相关但缺限定条件、需要两段证据才能回答、新旧版本冲突、正确证据排在较后位置以及知识库确实没有覆盖但模型很容易凭常识作答的问题。对每条样本标注期望动作而不只是标准答案。系统应该直接回答、有限回答、澄清还是拒绝要根据证据状态决定。然后分别统计错误放行和错误拒绝并观察它们在不同问题类型上的分布。如果发现某类 Query 总被误拒绝不应先全局降低门槛。应该检查它是多跳问题、过滤错误、切分不完整还是分数分布与其他类型不同。全局调低可能救回这一类同时让更多无答案问题被放行。门槛是风险决策的结果不是模型自带的真理。系统运行期间知识库与 Query 分布发生变化还需要用新增失败样本持续复核而不是设完一次就永远不动。四个 bad case应该怎样判断第一种主题相关限定条件缺失还是前面的问题。用户问海外票据补办候选只讲国内票据遗失。这时不能因为“票据”“遗失”“交通”都对上就回答。应该把“海外”视作答案成立的必要条件。如果证据没有覆盖这个条件系统最多只能说明找到了国内相关规定不能外推海外流程。第二种新旧版本冲突用户问当前流程知识库里只有旧版制度。旧版原文可能与问题高度相关甚至每个关键词都能命中。但相关性不能替代时效性。搜索前应优先检查文档状态和版本无法确认当前有效版本时回答要明确边界。第三种Query 重写改变了原意用户问“这个现在不能申请了吗”重写模型却把它改成“这个如何申请”。改写后的问题更容易搜到申请流程但把否定关系弄丢了。例如改写后没有合格结果时可以再用原问题检索。同时要保存两次检索的候选用连续对话与换题样本检查回退究竟救回了什么又引入了什么噪声。更稳妥的做法还要保存原 Query、改写 Query 和两边候选检查实体、否定词和时间条件是否保持。回退只能救一部分错误不能证明改写一定可信。第四种证据被切散了用户问一个带例外条件的问题前一个 Chunk 写适用范围后一个 Chunk 才写“以下情况除外”。检索只带回前半段模型就可能给出相反结论。这不是简单的低分问题而是证据不完整。系统可以根据前后 Chunk ID 扩展上下文也可以在评测集中把完整证据标成多个必要片段。只命中其中一段时不应算作可以回答。这四类失败分别指向范围、版本、Query 和 Chunk。把它们全归为“阈值太低”只会让排查越来越乱。为什么一个综合分仍然不够有些系统会把向量分数、关键词覆盖、Rerank 分数和模型判断合成一个“可回答分”。这样做方便执行统一决策但综合分本身不能代替证据分析。第一几个分数未必是同一把尺子。向量相似度、BM25 分数和 Rerank 输出的范围不同直接相加会让某一路长期主导结果。第二同一个分数可能对应不同缺口。一个问题得分偏低可能是用户换了说法也可能是正确文档不在允许范围或者证据被切散。处理动作不能只由分数高低决定。第三必要条件很难被一个平均分表达。问题问“新版流程在海外是否适用”候选同时出现“新版”和“海外”却分别来自两段互不相关的资料。词面覆盖很好证据链仍然不成立。因此系统可以用综合分做第一层筛选但决策记录还要保留本次问题需要哪些信息、候选实际覆盖哪些信息、缺少什么条件以及最终为什么选择回答、澄清或拒绝。一种便于审计的返回结构可以包含四部分decision表示回答或拒绝evidence保存本轮采用的原文missing_conditions记录没有找到的条件reason说明触发了哪条规则。用户未必需要看到所有内部字段但研发人员必须能回放。否则系统今天拒绝一个问题团队只知道“分数没过”无法判断应该补资料、改切分还是调检索。对于部分可回答的问题还可以把回答拆成已证实与未证实两部分。例如资料能确认国内票据遗失流程却没有海外规定。可以把“只回答国内部分并明确标出海外部分缺少证据”当作一种待业务验证的降级设计它不能默认适用于所有产品也不能把国内规则外推到海外。这要求充分性判断落到答案要点而不是只给整道题一个真假标签。充分性规则还要和问题类型对应。定义题可能只需要一段直接原文流程题需要关键步骤比较题需要双方证据带例外的问题则必须同时找到通用规则和限制条件。系统不知道问题需要什么就无法判断当前证据缺了什么。因此可以先把 Query 解析成待验证要点再逐项绑定证据。解析模型只负责提出检查清单不负责补答案。某个要点没有原文支持时它应留在缺失列表里而不是由模型常识填上。这种设计也方便向用户解释“已找到申请材料但未找到办理时限”比一个模糊的低置信度分数更容易理解和修正。证据不够时系统可以做什么不是所有低置信度请求都必须立刻结束可以按风险选择动作。第一种动作是受控重试。系统可以调整文本匹配要求、改写问题或者适度扩大候选。每次重试都要有次数上限并记录使用了什么策略。不能不断放宽门槛直到勉强找到一段能说的话。第二种动作是澄清。问题缺少产品、地区、时间或对象时询问用户补充条件往往比猜测更好。“您问的是哪个版本”比依据错误版本回答一整段更可靠。第三种动作是有限降级。系统可以返回已经找到的相关资料同时清楚说明它只能覆盖哪部分。例如“现有资料只包含国内票据遗失处理未找到海外场景规定。”这既没有假装完全不知道也没有把局部证据扩成完整结论。第四种动作是拒答。当资料范围不允许、关键证据缺失或者事实核验失败时直接说明当前知识库没有足够依据。拒答文案应描述缺少什么而不是只抛一句“无法回答”。证据不足时的四种动作重试、澄清、有限降级和拒答对应不同缺口动作越往后系统越明确地停止生成事实。怎么证明这套机制真的有效验证至少要覆盖检索、决策和生成三个层面。检索层记录正确证据是否进入前 K 条、候选是否来自允许范围以及必要的多段证据是否找齐。决策层建立一个混淆表可回答问题被正确放行多少不可回答问题被正确拒绝多少同时单独列出误拒绝和错误放行。业务更害怕哪一类错误要提前说明不能只报一个整体准确率。生成层逐句检查事实是否有证据支持。尤其关注数字、日期、条款编号、适用范围和“必须”“一定”这类强断言。回归集还要保存每次 bad case 的原问题、文档版本、候选原文、各阶段分数、系统动作和最终输出。下次换 Embedding、调整 Chunk 或更新知识库时重新跑同一批问题。如果只测“答案看起来对不对”很难知道是检索真的找到了证据还是模型凭常识碰巧说对了。面试官继续追问怎么接只用最高相似度能判断无答案吗不能。最高分只说明它比其他候选更接近不说明它覆盖问题所需的全部条件。还要检查实体、时间、范围、必要证据和来源状态。为什么不把门槛调高一点宁可多拒绝门槛过高会把口语改写、长尾术语和多段证据问题一起挡住。应该用两类样本观察误拒绝与错误放行再根据风险选择门槛和澄清策略。Prompt 要求“资料不足就拒答”够不够不够。模型不知道搜索范围是否正确也可能把相关但不充分的片段当成完整证据。Prompt 是最后约束之一不是前面三道门的替代品。HyDE 能不能解决知识库没有答案不能。HyDE 生成的是用于检索的假设文本不是真实证据。它可以帮助寻找表达不同的资料却不能把假设内容当成知识库事实。误拒绝后应该直接降低阈值吗先定位原因。可能是 Query 改写错了、正确文档不在搜索范围、Chunk 切坏了、模型不理解术语或者候选数量太少。直接降低门槛可能让另一批无答案问题被放行。最后把答案完整说一遍答到这里可以用下面这段话把判断链和降级动作串起来RAG 的无答案控制不能只判断检索有没有返回结果。当索引非空并要求返回 Top-K 时向量库通常仍会给出相对更接近的内容但这些内容未必足以回答。我的设计会分四层先按用户、知识库、文档状态和版本限定搜索范围再用相关性门槛筛掉明显无关候选然后判断候选是否覆盖问题所需的实体、条件和多段证据最后对生成结果中的事实句做证据核验。阈值不会直接照搬某个示例值。我会准备资料里有答案和没有答案的两类问题记录候选、分数和正确证据分别统计有答案却被拒绝的误拒绝以及没答案却被放行的错误回答。更换 Embedding、切分策略或知识库版本后都要重新回归。证据不足时也不是只有一种处理。系统可以在有限次数内改写或扩大候选条件不清时询问用户只有部分资料时说明能回答的边界关键证据缺失时直接拒答。核心原则是相关不等于充分假设文本不等于证据不能为了提高回答率不断放宽门槛。这道题真正考察的不是你会不会写一个if score threshold。面试官想知道的是你能不能区分相似内容和可用证据能不能同时控制误拒绝与错误放行以及系统在不确定时有没有清楚、可验证的退路。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】