通信领域的技术知识问答，一直是行业落地过程中的核心痛点。通用大语言模型（LLM）虽然能力突出，但在应对3GPP协议中那些海量的专业术语与复杂规范时，往往显得“力不从心”。传统的检索增强生成（RAG）技术，通常采用固定字数简单粗暴地切分文档，导致表格结构散乱、图表语义丢失，严重影响了信息召回的质量。

那么，SC-Telco RAG究竟是如何破解这一难题的呢？它的核心思路非常巧妙——将文档自身的结构作为检索的依据。

首先来看第一个关键模块：结构化知识库构建。传统RAG在切分文档时，犹如用剪刀盲目裁剪报纸，剪下的碎片虽仍是纸张，但句子与段落间的内在逻辑已荡然无存。SC-Telco RAG则像一位经验丰富的图书管理员，将3GPP协议按照自然段落和标题层级，重新组织成一棵层次分明的“文档树”。每个叶子节点（比如一个自然段或表格）都带有完整的归属路径，能明确追溯其在文档中位于哪个章节、哪个子节。对于令人困扰的表格数据，系统会先将其转换为LaTeX格式，再由LLM进行摘要总结，最终统一纳入知识库。这样一来，知识的“原始代码”本身就具备了结构化和可追溯的特性。

接下来是知识库检索与重构。即便拥有了良好的结构，如何从海量信息中精准捞出与问题最匹配的段落，依然是挑战。SC-Telco RAG的特别之处在于，检索完成后并非就此结束，而是会执行一轮“精细化处理”。系统首先对检索到的多个文本片段进行重复去除和节点合并：如果两个片段在“文档树”中属于同一个子节点且原本是连续的文本，就去掉重叠部分，按照原文顺序拼接。更重要的是，它还引入了文本扩充与筛选逻辑——如果与某个问题相关的多个文本共享同一个父节点，且该节点下超过80%的内容都被召回，系统会大胆地将整个节点下的全部文本都纳入；而对于那20%属于其他父节点的“散兵游勇”，则根据相关程度阈值决定是否保留。这就像查询某个条款时，发现相关论据分散在几个小节中，系统会判断它们是否来自同一章节，若是，则将整章内容都调出供模型参考，既保证了信息密度，又清除了冗余。

真正让这项技术脱颖而出的，是它的两阶段微调策略。许多团队在做RAG时，要么只微调模型，要么只优化检索，很少将两者深度绑定。SC-Telco RAG走了一条更为扎实的路径：

• 第一阶段微调，专注于让大模型“学会听话”。该阶段的训练语料很简单——输入为用户问题，输出为正确答案。目标是让模型具备强大的指令遵从能力，即使没有上下文，也能给出高质量的解答。
• 第二阶段微调，则是在第一阶段的基础上，将RAG检索到的上下文信息加入到提示（Prompt）中。让模型在拥有“指令遵从能力”的同时，再学会如何“有选择地利用外部知识”。

为什么要绕这么大一个弯子？实验数据给出了答案。如果跳过第一阶段，直接用带上下文的语料去微调，模型会过度依赖上下文，反而导致面对新问题或上下文信息不准确时表现下降。两阶段微调正是为了给模型装上“理解上下文”的开关，而不是让它变成只能依靠“小抄”答题的学生。

实际效果如何？在ITU AI/ML in 5G Challenge的专项赛题中，应用SC-Telco RAG的方案在1000道通信标准知识问答题上，准确率达到了80.75%，相比基线模型提升了整整35.75%。实验分析表明：结构化文档提取保障了检索质量，两阶段微调解决了模型对上下文的“识别与利用”能力，两者缺一不可。

当然，任何技术都有其局限性。当前方案在文档处理上主要聚焦于3GPP协议文本，对于多模态数据（如网络拓扑图、信令流图等）、多语言支持以及实时数据集成，仍有优化空间。但不可否认的是，SC-Telco RAG给出了一条非常清晰的路径：与其让AI去适应混乱的数据，不如先把数据本身变得有序。 这对于通信知识稽核、智能客服、网络故障诊断等场景，无疑具有极强的启发意义。

图1：SC-Telco RAG技术流程

图2：结构化文档树逻辑图

图3：知识召回阶段文档处理

图4：结构化文档知识提取技术效果测评

图5：大模型两阶段微调技术效果测评

图6：SC-Telco RAG技术效果测评