技术深潜x

Chunk 决定了 RAG 的效果上限。它不仅是“文本切分”，更是知识的组织方式。Chunk 太小会丢失上下文，太大又会引入噪声，最终影响 Embedding、检索与生成效果。

RAG依赖已有知识检索，只能稳定解决高频已知问题。长尾问题因数据稀缺、检索不稳和信息缺失难以覆盖，本质是分布稀疏而非模型能力不足，因此无法彻底解决未知与复杂推理问题。

RAG 并不是“查资料+调模型”，而是一条完整的信息处理流水线：从 Embedding（语义压缩）、检索（召回）、Rerank（精排）、到 Prompt 构造与 LLM 生成，每一步都在做“信息筛选“