文档检索不是 RAG：Chunk、Embedding 和 Re

文档检索不等于 RAG，它只管找材料，不管写答案。

很多团队把退款政策切成小块塞进向量库。结果模型还是答错：旧版排前面，新版没索引，甚至召回了法务专属文件。这说明：相似文本不等于正确证据。

检索系统得能定位和过滤。 原文、版本、位置、权限都得留着。要是只剩向量，出错了根本没法查。

向量只是召回信号，不是事实。 它能看出“退款”和“退货”意思接近。但分不清 M-01 和 M-10 这种设备编号。它也不会做单位换算。所以生产里得关键词和向量一起用。

搜索结果不能只有文本和分数。 每条结果都得带上来源、版本号、生效时间、权限和位置。不然你没法判断这材料能不能用。

检索和生成必须分开验收。 检索只管把材料找对。生成才负责组织答案。如果混在一起，答案一出错，大家只会围着提示词打转。其实问题可能出在索引或权限上。

说白了，检索的终点是一堆排序好的材料。至于怎么推理、怎么生成答案，那是后面的事。