纲要

• 检索调优的重要性
  • 原始向量检索的局限
  • 调优目标：提高召回率和答案精准度
• 上下文压缩
  • LLMChainExtractor：提取相关片段
  • LLMChainFilter：保留或丢弃文档
  • DocumentCompressorPipeline：串联多个压缩器
• 排序优化：解决“Lost in the Middle”问题
  • LongContextReorder重排文档顺序
• 相似性分数过滤
  • similarity_search_with_score
  • 自定义打分并写入元数据
• 进阶方向：知识图谱增强 RAG（GraphRAG）简介
• 完整可运行代码：使用模拟模型演示压缩与排序

引言

在 RAG 系统中，向量数据库返回的初步结果往往包含冗余、无关或排序不佳的内容。直接将这些原始片段塞入大模型，不仅浪费上下文窗口，还可能降低回答质量。

因此，在检索阶段之后增加调优环节——上下文压缩、智能排序和相似性分数过滤——是提升 RAG 应用准确性的关键步骤。LangChain 提供了一组即插即用的调优组件，本文将结合实际代码，演示如何在不依赖外部 API 的情况下实现这些优化。

上下文压缩：从粗糙到精炼

上下文压缩器能够过滤掉检索结果中与查询无关的内容，或者直接提取出最相关的句子。LangChain 提供了LLMChainExtractor（提取相关片段）和LLMChainFilter（决定是否保留整篇文档），并支持通过DocumentCompressorPipeline将多个压缩器串联使用。

下面的示例使用FakeListChatModel模拟大模型，展示压缩效果。

安装依赖：

pipinstalllangchain langchain-core langchain-community chromadb

fromlangchain_community.embeddings.fakeimportFakeEmbeddingsfromlangchain_community.vectorstoresimportChromafromlangchain_core.documentsimportDocumentfromlangchain.retrieversimportContextualCompressionRetrieverfromlangchain.retrievers.document_compressorsimport(LLMChainExtractor,LLMChainFilter,DocumentCompressorPipeline,)fromlangchain_community.chat_models.fakeimportFakeListChatModel# 1. 构建测试向量库docs=[Document(page_content="LangChain 支持 OpenAI、DeepSeek 等多种模型。"),Document(page_content="RAG 系统包含加载、切片、嵌入、检索、生成等步骤。"),Document(page_content="模型部署需考虑延迟、成本以及云端或本地的选择。"),Document(page_content="今日天气晴朗，适宜户外运动。"),]embeddings=FakeEmbeddings(size=128)vectorstore=Chroma.from_documents(docs,embeddings,collection_name="tune")base_retriever=vectorstore.as_retriever(search_kwargs={"k":3})# 2. 使用 LLMChainExtractor 压缩# 模拟大模型：返回与查询相关的精简内容extract_llm=FakeListChatModel(responses=["模型部署需考虑延迟、成本以及云端或本地的选择。"])extractor=LLMChainExtractor.from_llm(extract_llm)compression_retriever=ContextualCompressionRetriever(base_compressor=extractor,base_retriever=base_retriever,)results=compression_retriever.invoke("如何部署模型？")print("压缩后文档数:",len(results))fordocinresults:print("内容:",doc.page_content)

LLMChainFilter：快速筛选

如果只想保留整篇文档，而不修改其文本，可以使用LLMChainFilter。模拟模型需返回 “YES” 或 “NO”。

filter_llm=FakeListChatModel(responses=["YES","NO","YES"])compressor_filter=LLMChainFilter.from_llm(filter_llm)filter_retriever=ContextualCompressionRetriever(base_compressor=compressor_filter,base_retriever=base_retriever,)results=filter_retriever.invoke("如何部署模型？")print("过滤后文档数:",len(results))

管道组合：先过滤再提取

通过DocumentCompressorPipeline可以把多个压缩器串联起来，实现更复杂的处理流程。

pipeline=DocumentCompressorPipeline(transformers=[compressor_filter,extractor])pipeline_retriever=ContextualCompressionRetriever(base_compressor=pipeline,base_retriever=base_retriever,)results=pipeline_retriever.invoke("如何部署模型？")print("管道压缩后文档数:",len(results))

排序优化：挽救“中间丢失”的信息

研究表明，大模型更容易记住文档开头和结尾的内容，而对中间部分的信息容易忽略——这被称为“Lost in the Middle”现象。LangChain 的LongContextReorder可以将最相关的文档排在开头和结尾，次相关的放在中间，从而提高关键信息被捕获的概率。

fromlangchain_community.document_transformersimportLongContextReorder# 模拟一批检索结果retrieved_docs=[Document(page_content="北京故宫是中国明清两代的皇家宫殿。"),Document(page_content="天气炎热，注意防暑。"),Document(page_content="故宫博物院收藏了大量珍贵文物。"),Document(page_content="今日油价调整。"),Document(page_content="故宫每日限流8万人次。"),]reorder=LongContextReorder()reordered_docs=reorder.transform_documents(retrieved_docs)print("重排序后的文档顺序：")fori,docinenumerate(reordered_docs):print(f"{i+1}:{doc.page_content}")

运行后可以看到，与“故宫”最相关的文档被移到了首尾，无关信息被排到中间，有效提升了模型对关键信息的注意力。

相似性分数过滤与自定义打分

许多向量数据库支持similarity_search_with_score，可以同时获取相关性分数。你可以利用这个分数进行阈值过滤，或者将分数写入文档的metadata中，供后续处理使用。

# 使用同一向量库进行带分数的搜索results_with_score=vectorstore.similarity_search_with_score("模型部署",k=2)fordoc,scoreinresults_with_score:print(f"分数:{score:.4f}，内容:{doc.page_content}")# 将分数写入元数据scored_docs=[]fordoc,scoreinresults_with_score:doc.metadata["score"]=score scored_docs.append(doc)print("第一个文档的分数:",scored_docs[0].metadata["score"])

进阶方向：知识图谱增强 RAG（GraphRAG）

当知识库中存在大量实体及关系时，单纯的向量相似度难以挖掘间接关联。GraphRAG 在传统 RAG 基础上引入知识图谱，利用图结构遍历与查询实体相关的其他节点（例如通过“栖息地”或“食性”找到关联动物），将图遍历结果与向量检索结果合并，提供更全面的上下文。LangChain 已提供GraphRetriever支持这一模式，尤其适用于生物分类、法律案例关联、产品配件推荐等场景。

总结

检索调优让 RAG 系统从“能搜到”升级为“搜得准、答案精”。上下文压缩去掉噪音，智能排序避免关键信息丢失，相似性分数过滤则进一步提高了信噪比。

这些组件可以灵活组合，无需改动核心检索逻辑。从简单的向量搜索出发，逐步叠加压缩、排序和分数过滤，你将能够构建出高质量、高可靠性的 RAG 应用。