# 重排序如何改善 RAG：先找得到，再排得准

解释 reranker 在检索增强中的位置，用候选覆盖、排序质量与时延判断是否值得引入。

要点：重排序对已取得的候选资料重新评估相关程度，可以帮助更合适的依据进入上下文。但它无法找回从未进入候选集的资料。引入前应先区分检索遗漏与排序不准，再比较质量收益和额外成本。

![在内容工作台上查看有序候选图片（AI概念配图）](/images/product-evidence/tools-storyboard-v2.png)

## 没有找到，与排得太后，是不同问题

如果关键资料不在候选集中，重排序没有机会选择它，应先检查文档处理、查询、过滤或召回数量。如果资料已经找到却排在不相关内容之后，重排序才有明确的改进对象。

将两种错误混在一起，会导致不断增加组件，却没有改善真正的问题。可以保存一次检索的候选列表与最终选用结果，帮助定位依据在哪里丢失。

## 相关程度应包含任务需要的条件

与问题共享很多词的片段，未必包含答案所需的限制；一段较短的脚注反而可能改变结论。评价排序时，应检查必要条件是否保留，而不只是看主题是否相近。

对于型号、版本与权限等硬条件，仍应依靠明确过滤或校验。不能期望重排序模型替代所有业务规则。重排序是帮助选择依据的一步，不是事实确认的终点。

## 在完整问答链上比较收益

可以保持其他配置不变，对同一组问题比较加入重排序前后的检索与回答。记录是否减少遗漏、是否改善引用，也记录新增时延和调用成本。

如果资料规模较小、原有排序已经足够，额外组件可能没有明显价值。更好的工程选择，是让复杂度随可证明的问题增长，而不是让流程图越来越长。

1. 检查候选

必要资料是否已经被找到。

2. 比较排序

正确依据能否进入合适位置。

3. 验证回答

质量收益是否值得额外成本。

## 先区分召回遗漏与排序靠后

保存同一组候选，检查正确来源是否出现，再比较重排前后的位置、答案质量、等待与费用。权限、型号和版本等硬条件继续显式校验，重排不能补回未进入候选的资料。

## 参考来源

- [Dify Docs｜索引与检索配置](https://docs.dify.ai/en/cloud/use-dify/knowledge/create-knowledge/setting-indexing-methods)：关键词、向量、混合检索及重排机制

- [Anthropic｜Contextual Retrieval](https://www.anthropic.com/engineering/contextual-retrieval)：检索上下文与重排序方法；不引用实验数字作为企业效果承诺

## 重排序在检索链中的位置

- 召回：先让必要资料进入候选

- 重排：再比较任务相关程度

- 回答：核对引用、条件和成本

![重排序在检索链中的位置](/images/guides/diagrams/reranker-choice.svg)

## 继续阅读

- [知识库搜不准：关键词、向量检索和重排怎么配合？](/guides/rag-retrieval)

- [向量模型如何选择：相似度需要回到业务问题](/guides/embedding-models)

- [知识库回答质量怎么测？不要只看语气是否肯定](/guides/knowledge-evaluation)

围绕当前问题查看任务、资料与人工确认示例，再用企业样例验证。

下一步：[按业务环节查看沙盘](/library)

原文：/guides/reranker-choice

内容版本：guide:reranker-choice:v1

<!-- version:guide:reranker-choice:v1 -->

[结合企业情况咨询](/intake?source=%2Fguides%2Freranker-choice&articleId=guide%3Areranker-choice&versionId=guide%3Areranker-choice%3Av1)