货拉拉RAG优化实践：从原始数据到高质量知识库

货拉拉 RAG 优化实践：从原始数据到高质量知识库

摘要

知识库构建依赖人工外呼与迁移通用知识，初始包含相似问法、意图和标准话术。线上使用时，三者映射准确性影响LLM生成话术的合理性。常见问题包括意图名定义不清、相似问法与话术不匹配、意图过于概括等。清洗知识库可基于嵌入模型聚类或大模型语义理解，后者更优。通过优化意图名、重新归类相似问法、细分意图和生成多样化话术，提升知识库准确性。未来可探索自动提示词优化和相似问法拆分。