無數企業正在嘗試使用檢索增強生成（RAG），但在製作這些系統達到生產質量時普遍會感到失望。因為他們的RAG不僅執行效果差，而且對於如何改進和如何進行後續的工作也感到十分的迷茫。
其實阻礙RAG系統的一個關鍵因素是語義不協調，這是由於任務的預期含義、RAG的理解以及儲存的底層知識之間的不一致。由於向量嵌入的底層技術是神奇的（易變且極不透明），因此難以診斷這種不協調，使其成為生產化的重大障礙。
本文的目標是揭示普通RAG失敗的主要原因，並提供具體策略和方法，使您的RAG更接近生產階段。
在這篇文章中，我們將：
- 區分理想形態的RAG的前景與普通RAG的現實
- 解釋語義不協調是如何產生的
- 介紹如何判斷和緩解語義不協調
- 總結一些額外的高ROI策略，使RAG更加接近生產質量
注：為簡化問題我們將關注基於問答的文字示例，但核心思想可以推廣到其他用例