1.你的RAG系统是怎么进行Query改写的？

为什么要进行Query改写

1.解决语义鸿沟：用户口语化，改写能对齐两者的表达空间

2.消除意图模糊：缺失背景，改写通过引入上下文，将模糊转为具体，可检索

3.关联历史信息：改写能完成指代消解

三大核心改写策略

语义增强：通过HyDE生成假设文档，让模型先写出”假答案“，再用答案搜答案，提升召回相关度

任务分解：利用Step-back或子查询拆解，将一个复杂的问题拆分为多个简单的粒度更细的检索单元

上下文补全：进行指代消解与查询压缩，将多轮历史信息”脱水“，形成独立完整的检索句子。

实战难点：

响应延迟：使用SLM专项改写+并行化检索流水线

查询漂移：嵌入语义相似度阈值过滤+保留原始Query混合检索

成本开销：仅对复杂Query开始高阶改写