RAG问题改写：提升大模型问答系统准确率的关键技术

1. 为什么RAG问题改写是大模型应用的关键环节

在构建基于大模型的问答系统时，很多开发者都会遇到这样的困境：用户提问的方式千奇百怪，但核心意图可能相同。比如"如何用Python读取CSV文件"和"Python中打开CSV数据的方法"本质上是一个问题，但直接扔给大模型可能会得到不同质量的回答。这就是RAG（Retrieval-Augmented Generation）中问题改写的用武之地。

我去年参与过一个企业知识库项目，在没有做问题改写时，检索准确率只有62%左右。当我们引入改写模块后，相同测试集的准确率直接提升到89%。这个提升不是来自模型本身的改进，纯粹是通过对用户问题的标准化处理实现的。

关键认知：问题改写不是简单的同义词替换，而是对用户意图的深度理解和标准化表达。这相当于在检索前给问题做了"预处理"，让系统能更准确地匹配知识库内容。

2. RAG问题改写的三种核心方法

2.1 基于规则模板的改写

适合刚入门的小白，不需要任何机器学习基础。比如我们可以建立这样的改写规则：

python复制rewrite_rules = {
    "怎么": "如何",
    "为啥": "为什么",
    "？": "",  # 去除中文问号
    "请解释": "什么是",
    # 更多规则...
}

def simple_rewrite(question):
    for old, new in rewrite_rules.items():
        question = question.replace(old, new)
    return question.strip()

我在第一个RAG项目中就用了这个方法，虽然简单但效果立竿见影。特别是处理一些口语化表达时，能把"这个功能咋用啊"改写成"这个功能如何使用"这样的标准形式。

注意事项：规则不要设置太多（建议不超过20条），否则会出现规则冲突。建议先用100个真实用户问题测试，只保留提升最明显的规则。

2.2 基于大模型的改写

这是目前的主流方案，利用大模型本身的理解能力来改写问题。推荐使用GPT-3.5或以上级别的模型：

python复制def llm_rewrite(question, model="gpt-3.