第 14 章 常见误区与设计原则总结

先给结论：RAG 的真正难点不是“工具不够强”，而是“判断不够稳”。这一章不是再讲一轮新概念，而是把前面学过的内容压缩成一套更稳定的判断框架。

很多人学到后面会出现一个很典型的问题：概念都懂一点，但一到真实项目里，还是容易掉进下面这些坑：

• 把“资料很多”误认为“答案会更准”
• 把“相似度很高”误认为“回答就一定对”
• 把 chunk_size、TopK 这类参数当成万能旋钮
• 一出问题先怀疑模型，而不是先查数据和检索链路

这些问题的共同点是：它们看上去都像技术问题，实际上很多时候是判断问题。
如果判断顺序错了，你会不断在局部参数上打转，却很难真正提升系统稳定性。

所以这一章有两个目标：

• 帮你识别最常见、最容易反复踩到的误区
• 帮你建立一套更实用的设计原则，用来指导后续取舍

如果你只想记住一句话，那就是：先把系统做成可用、可控、可评测，再追求更高级的能力。

建议阅读顺序

1. 14.1 常见误区
2. 14.2 一套实用设计原则

主题模块

• 14.1 常见误区
• 14.2 一套实用设计原则

这一章适合什么时候看

• 当前面章节已经读完，想把零散知识收束成统一方法论时
• 正在做一个 RAG 项目，但总感觉问题很多、却说不清先解决哪一个时
• 需要把“调参数”升级成“做系统判断”时

读完这一章后，你应该形成的判断

读完后，你至少应该能稳定回答下面这些问题：

• 效果差时，应该先查哪一层，而不是直接换模型
• 召回“看起来还行”但答案仍然不准时，问题更可能出在哪
• 为什么 chunk、TopK、相似度这些指标都不能单独代表系统质量
• 一个 RAG 系统要上线，哪些能力是刚需，哪些只是锦上添花

如果这些问题你都能回答得比较稳，这一章的目标就达到了。