除查询改写与 HyDE 外，还有哪些提高召回的方法？

核心回答

除了查询改写和HyDE，还可以从文档表示、检索通道、索引搜索和任务拆解提升召回：修复解析与切分，增加标题/摘要/父子表示，组合关键词与语义检索，选择适合领域的Embedding，调近似搜索宽度，必要时按关系或子问题补证据。

先确认是资料没有入库、表示不合适、索引漏搜，还是正确证据被过滤或截断。不同原因对应不同措施；重排只能改善候选中的顺序，无法找回所有检索路都没返回的证据。

文档侧有哪些办法

解析完整表格、代码与标题，保留关键条件，避免切得太碎或多个主题混成一块。把标题路径和可信元数据附到正文，或建立摘要、问题等辅助表示，命中后回到真实原文；自动生成内容要验证，不能替代证据。

父子检索用小块提高定位精度、父块补完整上下文；多向量可以为同一文档表示多个主题。它们增加索引与维护成本，需要稳定文档ID和版本，防止同一资料重复占满候选。

检索和索引侧怎样改进

关键词路补术语、型号和错误码，语义路补同义表达；按数据特点增加结构化字段、符号检索或数据库查询。问题明确依赖实体关系和多跳链路时再评估图检索，而不是为了“更高级”统一建图。

用精确近邻作对照判断ANN损失，合理增加搜索宽度、探查范围或候选预算。过滤条件过严时检查业务解释是否正确；权限限制应保持，不能为了提高召回取消。领域Embedding或微调需靠业务标注与难负例验证。

复杂问题如何补证据

拆成需要哪些事实或关系，每个子问题检索后做覆盖检查；缺哪个条件再定向补查。保留原问题、对象、时间和版本，避免子问题发散。多路返回先去重融合，再按证据与token预算组织上下文，不把多查询的所有结果直接拼接。

怎样选择先做哪项

在固定失败集上做小范围对照：修解析看证据是否恢复，精确对比看索引损失，单路对比看互补覆盖，再评估增加表示或更换模型。分别记录证据Recall、噪声、最终答案、延迟与存储更新成本。

这里提升的是所需证据的覆盖，不是返回片段数量。若初筛已含全部证据、最终仍答错，重点应转向重排、上下文完整性与生成使用，而不是继续堆召回策略。

参考资料