9.1 为什么不能只看最终回答

先给结论：只看最终回答，最多只能告诉你“系统现在好像行不行”，却很难告诉你“问题到底出在哪一层”。而 RAG 本来就是一条多阶段链路，所以评测也必须拆层看。

很多人第一次做 RAG 评测时，最自然的想法是：

直接看最后回答对不对

这当然不是错，端到端结果一定要看。但如果只停留在这一步，很快就会遇到一个实际问题：

你知道它答错了
但你不知道为什么错

对于一个链路型系统来说，这会直接导致调优失焦。因为同样一个“答案不对”，背后可能对应完全不同的问题：

检索没召回
重排没把关键证据顶上来
上下文组织失败
Prompt 约束不清
生成阶段误用了证据

如果这些问题都只用一个“最终对错”来表示，后面的优化基本只能靠猜。

学这一节时，最值得先建立的判断

端到端结果重要，但它只是总体现象，不是完整诊断
RAG 评测要服务调优，所以必须能指向具体环节
同样一个最终错误，可能来自完全不同的链路问题
一个系统要想稳定提升，必须建立“端到端 + 分层”结合的评测视角

这一节会回答什么问题

读完这一节后，你最好能更稳地判断：

当前评测体系是在看现象，还是已经能支持定位
一个端到端低分，后面到底该优先查检索、生成还是上下文构造
为什么真正有工程价值的 RAG 评测，不能只停留在“答案像不像对”