布吉岛 Agent

Appearance

8.4.4 RAG 回答里如何处理“资料不足”的情况？ ​

先给结论：“资料不足”不应该被当成失败，而应该被当成一种合法输出。对很多 RAG 系统来说，最危险的不是模型答不上来，而是资料不足时还硬答。

这件事之所以重要，是因为模型在默认状态下往往不喜欢承认不知道。只要没有被明确约束，它更倾向于：

  • 根据已有模式补出一个看起来完整的答案

这在聊天场景里可能只是偶尔不准，但在 RAG 场景里会直接破坏系统最核心的承诺：

  • 回答应当受当前证据支持

一、为什么必须把“资料不足”设计成合法输出 ​

如果你不在 Prompt 里明确允许模型输出“资料不足”，模型通常会认为：

  • 必须尽量给出一个完整回答

这时即使当前上下文里没有足够证据，它也可能：

  • 用常识补空
  • 用相似案例代替当前事实
  • 把模糊信息说成确定结论

所以系统要明确告诉模型：

  • 证据不足时，说明不足，比硬答更正确

二、什么才算“资料不足” ​

这里也要避免把它理解得太粗。

资料不足不一定意味着：

  • 一条相关材料都没有

很多时候更常见的是：

  • 有一些相关材料，但不足以支持明确结论
  • 材料里只有背景，没有直接答案
  • 多条材料之间相互冲突，无法直接判断
  • 材料只覆盖了一部分问题

所以“资料不足”更准确的理解通常是：

  • 当前证据不足以支持一个稳的回答

三、更稳的处理方式是什么 ​

比起简单输出一句“我不知道”，更稳的回答通常至少包含三层信息：

  1. 明确说明当前证据不足
  2. 说明不足在哪里
  3. 如有可能，指出还需要什么信息

例如：

  • 当前提供材料没有直接说明退款规则的生效版本
  • 现有资料只覆盖定义，没有覆盖适用条件
  • 两条来源存在冲突，无法仅根据当前材料确定结论

这种回答比单纯拒答更有价值，也更像一个可靠系统。

四、Prompt 里应该怎样写 ​

更稳的 Prompt 一般不会只写：

  • 如果不知道就说不知道

而会写得更具体，比如：

text
如果提供的材料不足以支持明确结论，请直接说明资料不足。
不要基于未提供的内容补全事实。
如有必要，请指出缺少哪类信息或哪一部分证据。

这样的要求更可执行，因为它同时控制了：

  • 允许输出不足
  • 禁止无证据补全
  • 鼓励说明缺口

五、什么时候要特别重视这一点 ​

下面这些场景尤其需要认真设计“资料不足”处理：

  • 高风险问答
  • 更新频繁、版本多的知识库
  • 多来源容易冲突的系统
  • 用户会把回答直接当操作依据的场景

在这些情况下，一个“看起来很完整但没有证据支撑”的回答，往往比老实承认不足更危险。

一个最小示意 ​

python
if not enough_evidence(context):
    return "资料不足，当前材料不足以支持明确结论。"

return llm(answer_prompt(query, context))

这段代码想说明的是：

  • “资料不足”可以是系统级设计，不只是模型临场发挥

一个常见误区 ​

很多人会觉得：

  • 一旦经常输出“资料不足”，用户体验会变差

这取决于系统怎么做。如果只是机械拒答，当然体验不好；但如果它能清楚说明：

  • 不足在哪
  • 还缺什么
  • 当前能确定到什么程度

那么这类回答反而会更可信。

一句话总结 ​

RAG 回答里处理“资料不足”的关键，不是让模型尽量少说这四个字，而是把它设计成一种合法且有信息量的输出。系统越强调证据边界，就越应该允许模型在证据不足时明确说明不足，而不是硬凑一个看似完整的答案。