前言

问题改写是 RAG 系统中不可或缺的“桥梁”技术，它连接了“用户语言”与“知识库语言”，显著提升了检索的相关性和系统整体性能。掌握并合理应用问题改写方法，是构建高效、智能 RAG 应用的关键一步。

1、问题改写（Query Rewriting/Transformation）简介

问题改写（Query Rewriting/Transformation）是信息检索、对话系统和RAG（检索增强生成）中的关键技术，旨在对用户原始问题进行转换、分解或增强，以提高检索效果或理解准确性。

2、为什么问题改写在 RAG 中如此重要？

在原始的 RAG 流程中，用户提问后，系统直接使用该问题去检索知识库。但实际中，用户的问题可能存在：

• 表述模糊（如：“它怎么样？”）
• 缺少上下文（如对话历史中的指代）
• 使用口语化或非专业术语
• 复杂多跳问题（包含多个子问题）

这些问题会导致检索失败或召回不相关文档。问题改写的作用就是优化原始查询，使其更适合检索系统（尤其是向量数据库或搜索引擎）理解与匹配。

---

3、问题改写在 RAG 中的常见方法

序号	方法名称	核心说明	示例展示
1	同义扩展（Query Expansion）	通过添加同义词、近义表达或相关术语，扩大检索覆盖范围	“手机发热” → “手机发烫、过热、温度高”
2	语义重写（Semantic Rewriting）	将口语化、模糊表述转化为更清晰、标准的表达，提升检索准确性	“这玩意儿好用吗？” → “这款产品用户体验如何？”
3	对话历史融合（History Integration）	整合上下文信息，解决对话中的指代问题，明确检索对象	历史：“特斯拉 Model Y” 问：“续航多少？” → “特斯拉 Model Y 续航多少？”
4	问题分解（Step Decomposition）	将复杂的多跳问题拆解为多个简单的单跳问题，分步检索后整合结果	“比较 A 和 B 的优缺点” → 分别检索 A 的优点、A 的缺点、B 的优点、B 的缺点
5	HyDE（假想文档嵌入）	先生成假设性回答，再通过其向量检索相似的真实文档，优化检索相关性	“光合作用的过程？” → 生成回答 → 向量化检索相似真实文档
6	标签提取与结构化查询	提取问题中的实体、类别、属性等关键信息，用于结构化过滤检索结果	“找一部科幻类、诺兰导演的电影” → 过滤 genre = 科幻，director = 诺兰
7	查询重表述（Paraphrasing）	用不同句式或表达方式重述问题，保持语义不变的同时优化检索适配性	“怎么安装 Python？” → “Python 的安装步骤是什么？”

4、问题改写带来的好处

核心价值目标	具体说明	关联优化方法举例
提高召回率（Recall）	通过扩展或重写查询内容，扩大检索覆盖范围，匹配更多潜在相关文档	同义扩展、问题分解
增强语义理解	优化查询表述的清晰度和标准化程度，帮助检索器精准捕捉用户真实需求意图	语义重写、查询重表述
支持多轮对话	整合上下文信息，解决对话中的指代模糊或上下文缺失问题，明确检索对象	对话历史融合
优化向量检索效果	提升查询 embedding 与文档 embedding 的匹配精度，尤其适用于语义检索场景	HyDE、语义重写
降低对原始查询质量的依赖	通过技术手段修正不规范、口语化或模糊的提问，保障检索效果稳定性	语义重写、标签提取与结构化查询

---

5、实际应用建议

• 在 RAG 系统中，可将问题改写作为预处理模块，位于用户输入与检索器之间。
• 可结合多种策略：如先融合对话历史，再进行 HyDE 或分解。
• 注意延迟与成本权衡：使用大模型进行改写会增加推理时间，需根据场景选择轻量或复杂策略。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】