Jev Gallery

JEV GUIDE

Jev RAG 重排序:语义搜索与相关性过滤怎么做

当搜索已经找到一批候选,却仍需要判断哪些真正回答问题时,可以把 Jev 放在召回与回答之间。这篇指南讨论 RAG 重排序的接入边界,并给出可自行验证的流程。

Jev 在 RAG 流程中负责哪一步?

TypeSafe 的重排序教程先用 BM25 召回,再对查询与候选片段逐对评分。Jev 改变已有候选的顺序;如果正确资料没有被召回,后续排序无法补回它。

依据: TypeSafe · Re-ranking cookbook ↗

把“相关”写成可判定条件

以下是编辑设计的合成例子,并非模型输出。用户问“自托管 n8n 如何接入 Jev”,候选 A 是社区节点安装说明,候选 B 是只提到两个产品名称的新闻。判断标准应是“是否给出接入步骤”,而非“是否含有这些关键词”。

建议给每个片段保留 document_id、原始 URL、段落位置和文本版本。先去重,再统一提问;展示结果时仍允许用户打开原文。

网页搜索案例与知识库重排序有什么区别?

jev-search 展示了搜索来源选择和结果排序的组合。另一个已收录项目 Sift 针对搜索结果中的标题与摘要做判断:这类输入适合初筛,但不能证明网页全文已经核验。

编辑建议:在结果卡片标明“摘要筛选”或“全文片段筛选”。若页面不可访问,将其记录为抓取失败,不把失败解释成低相关性。

依据: jev-search · pinned source ↗

如何判断是否值得加入这一层?

准备一组真实问题,人工标出可回答它们的片段,用相同召回列表比较原排序与新排序。不要在调提示词的同一组样本上报告最终效果。

同时记录首条有效结果的位置、前几条结果的覆盖率、无答案查询的误报、端到端延迟与实际调用费用。候选数增加会增加要处理的查询—片段对;上线前设置超时和原排序回退。本站未执行这组评测。

接着看这些项目

继续阅读