RAG：推荐问题设计

阅读来源：MirrorML 《RAG客服“推荐问题”生成方案详解》。以下为简短导读和新增练习。

阅读摘要

原文比较了两条路线：结合当前提问与检索上下文生成追问；沿着文档内容寻找值得继续了解的主题。提示词需要约束数量、相关性和重复内容，并按需引入对话历史。

给阅读配一个小实验

以下是新增练习建议。准备几段你熟悉的文档，并手工写出“文档能够回答”和“文档没有依据”的问题，各保留一组作为对照。

让模型生成推荐问题后，逐条记录：

检查项	记录方式
相关	写出它与当前问题的关系
可回答	指向能够支持回答的具体文档片段
非重复	对照已有问题，说明新增的信息
清晰	检查是否省略了必要的对象与条件

边界样例

尝试空检索结果、互相矛盾的片段，以及已经回答过的问题。观察输出后再修改提示词，保留每次失败样例。

本项目只包含阅读笔记，没有连接模型或运行 RAG 服务。

自测

如果推荐问题很吸引人，但现有文档无法支持答案，应该怎样调整生成流程？先写出自己的方案，再对照原文复盘。

继续阅读：AI 应用。