RAG 上下文增强 6 大利器：从语义分块到文档增强全解析
·
上下文增强（Context Enrichment）在 RAG 中的核心作用
在 RAG（检索增强生成）架构中，上下文增强是连接「文档检索」和「大模型生成」的核心环节，它通过对检索到的原始文档进行优化处理，直接决定了输入给大模型的上下文质量；
1、语义分块 (Semantic Chunking)
2、Relevant Segment Extraction（相关片段提取）
3、上下文压缩 (Context Compression)
4、上下文块标题 (Chunk Title)
5、上下文窗口增强 (Context Window Augmentation)
6、文档增强 (Document Augmentation)
最常用方法选择技巧：
（1）基础必用（3 个）：语义分块（把属于同一语义的模块放在一起，通过相邻句子的相似度高低判断是否为同一语义）、相关片段提取（与问题相似即相关，通过文本块与用户查询的相似度阈值 /top-k 判定，实现 “只取和问题有关的块”）、上下文压缩（RAG 流程的基础，无此三者则上下文增强失去意义）；
（2）高频辅助（2 个）：上下文块标题（提升检索效率）、上下文窗口增强（兜底窗口适配）；
（3）进阶核心（1 个）：文档增强（专业场景必用，提升回答质量上限）。
| 核心业务场景 | 场景特征 | 语义分块(Semantic Chunking) | 相关片段提取(Relevant Segment Extraction) | 上下文压缩(Contextual Compression) | 上下文块标题(Contextual Chunk Headers) | 上下文窗口增强(Context Window Enhancement) | 文档增强(Document Augmentation) |
|---|---|---|---|---|---|---|---|
| 通用轻量问答（科普/日常资讯/短问题解答） | 短文本（<500字）、价值密度低、查询为基础需求（是什么/有哪些） | ❌排除（文本过短，无需拆分） | ❌排除（无无关内容，无需筛选） | ⭐推荐-轻量（删除口语化/修饰词，精简表述） | ✅可选-简易（标注文本核心主题，方便快速识别） | ❌排除（Token未超限，无窗口适配需求） | ⭐推荐-基础（补充基础元数据，如来源/发布时间） |
| 技术文档查询（开发手册/AI教程/技术白皮书） | 常规/超长文本、价值密度高、查询为精准需求（步骤/参数/原理） | ✅必用（按技术逻辑切分，保证语义完整） | ✅必用（筛选与问题相关的技术模块） | ⭐推荐-轻量（保留参数/步骤，仅删冗余举例） | ✅必用（为技术模块加标题，提升检索效率） | ⭐推荐-核心置顶（技术核心内容置顶，优先读取） | ✅必用-结构化（补版本/依赖/适用场景+逻辑重构） |
| 金融/法律合同查询（借款/买卖/劳务合同/法规条款） | 常规/超长文本、价值密度极高、查询为精准需求（条款/金额/责任） | ✅必用（按合同条款/章节切分，避免条款割裂） | ✅必用（筛选与问题相关的条款模块） | ✅必用-高精度（仅删格式套话，保留所有数字/比例） | ✅必用（为条款加标题，如「还款义务」「违约责任」） | ⭐推荐-冗余截断（剔除无价值通用条款，控制Token） | ✅必用-专业版（元数据+结构化拆分+关键信息标注） |
| 医疗场景分析（病历/诊疗指南/药品说明） | 常规/超长文本、专业性强、查询为专业需求（诊断/用药/诊疗方案） | ✅必用（按诊疗环节切分，如检查→诊断→医嘱） | ✅必用（筛选与患者/问题相关的诊疗信息） | ⭐推荐-轻量（保留检查结果/医嘱，仅删冗余描述） | ✅可选-专业（为诊疗环节加专业标题） | ⭐推荐-核心置顶（诊断/医嘱等核心信息置顶） | ✅必用-领域版（元数据+领域知识补全+诊疗逻辑关联） |
| 多轮对话交互（智能客服/AI助手/连续问答） | 历史对话+新问题、上下文易膨胀、新问题依赖历史信息 | ❌排除（无长文本，无需分块） | ✅必用（筛选与新问题相关的历史对话） | ✅必用-轻量（删除口语化冗余，如「谢谢」「麻烦了」） | ❌排除（无分块，无需加标题） | ✅必用-历史浓缩（浓缩历史上下文，避免窗口超限） | ⭐推荐-简易（轻量结构化，区分历史/当前问题） |
| 超长篇文档分析（万字报告/整本书/行业白皮书） | 超长篇文本（>10万字）、Token远超模型窗口、查询为核心结论/整体逻辑 | ✅必用-细粒度（按语义细切分，适配窗口） | ✅必用-逐块筛选（逐块筛选相关内容） | ✅必用-中度（逐块精简，保留核心观点） | ✅必用（为每个细块加标题，提升检索效率） | ✅必用-分块循环（循环推理突破窗口限制，整合结果） | ⭐推荐-逐块增强（逐块增强后整合，保证信息完整） |
| 多文档联合查询（多份合同/技术文档/病历联合解答） | 多文档、内容分散、易冗余/冲突、查询为整合信息需求 | ✅必用-统一标准（按同一规则分块所有文档） | ✅必用-跨文档筛选（跨文档提取相关片段） | ✅必用-合并压缩（合并后去重，精简冗余信息） | ✅必用-统一命名（按统一规则为分块加标题） | ✅必用-核心整合（整合多文档核心信息，避免冲突） | ✅必用-关联版（元数据+结构化+跨文档信息关联） |
| 高精度专业咨询（法律合规/医疗诊疗/金融研报分析） | 专业文档、对准确性/全面性要求极高、查询为深度专业需求（为什么/依据是什么） | ✅必用（按专业逻辑精准分块） | ✅必用-高相似度（高阈值筛选，保证信息相关性） | ⭐推荐-极轻量（仅删无价值内容，最大化保留细节） | ✅必用-专业命名（按专业领域规则加标题） | ⭐推荐-兜底适配（仅在Token超限时使用，最小化处理） | ✅必用-全维度（元数据+结构化+领域知识+关键标注+关联） |
| 短文本精准查询（单条法规/短句技术参数/合同单条款） | 超短文本（<200字）、核心为单一关键信息、查询为精准提取（数值/比例/条款） | ❌排除 | ❌排除 | ❌排除（无冗余内容，避免精简丢失关键信息） | ✅可选-核心标注（标注关键信息类型，如「违约金比例」） | ❌排除 | ⭐推荐-关键标注（仅对核心数字/术语做加粗标注） |
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
22
0- 0
已为社区贡献4条内容
所有评论(0)