一、两个被混为一谈的问题
很多人搭知识库时，把召回不准和回答不好都归咎于模型，于是不断换更大的模型，效果却没变。实际上这是两个环节：检索负责找到相关片段，生成负责基于片段组织答案。前者出错，后者再强也只能在错误材料上写得流畅。
二、先把检索做对
从切分策略开始：按语义段落切，别按固定字数硬切；给每个片段带上标题与来源元数据，方便回溯。再做一次最朴素的评估——准备二十个真实问题，人工标出正确片段，看召回命中率。命中率上不来，调向量模型或加关键词混合检索，比调提示词有效得多。
三、再管住生成
明确要求只使用给定片段，资料不足就回答不知道并列出缺口，禁止自行补全事实。输出里带上引用位置，让使用者能一眼验证。这几条约束比任何华丽的角色设定都管用。
四、它解决不了什么
RAG 不解决原始数据脏乱、不解决权限隔离、也不自动判断资料是否过期。这些是数据治理问题。把边界写在前面，项目才不会在第二周变成互相甩锅。