RAG 答错时，先确认模型拿到了什么

文档助手回答如何轮换 API key，语气肯定，还附了引用，步骤却来自旧版控制台。dev.to 上这篇文章用这个例子提醒开发者：RAG 答错后，先检查正确资料有没有进入模型上下文。继续往提示词里加「必须准确」，可能修不到真正出错的环节。

目前能确认什么

RAG（检索增强生成）通常先把文档分块，将文本转换为向量，再检索相关片段，可选地重排候选结果，最后交给模型生成答案。每一步都可能影响最终回答。

作者提出，先把问题拆成两件事：正确片段有没有送到模型面前？拿到正确片段后，模型有没有用对？

具体做法是记录失败问题对应的片段 ID、正文、分数，以及实际传入模型的顺序，再逐段检查：

• 索引里是否有正确资料，解析时有没有漏掉内容，分块是否丢了标题等必要上下文。
• 正确片段是否被检索到，排名是否足以进入上下文，旧版本是否与新版本竞争。
• 资料已经传入后，模型是否受冲突内容、弱相关片段或提示词约束不足影响。

有引用，只能帮助追查依据，不能保证依据正确。

我的判断

对做知识库问答的程序员，这篇文章最实用的是给提示词调试设了一道前置检查：先保留模型实际看到的资料。否则，同一句错误回答背后，可能是文档没入库，也可能是检索遗漏，修法完全不同。

遇到错误码、函数名等精确查询，可以检查关键词检索能否补上向量检索的遗漏；正确资料排名靠后，再测试重排。不能看到答错就直接增加上下文。

节选还提出，用真实问题和对应答案文档建立小型检索测试集。但测试代码没有展示完整，生成质量如何评估也没说清。它提供了明确的排查顺序，尚不能据此认定某种检索组合适合所有知识库。