RAG（检索增强生成）技术已成为大语言模型实际落地的关键工具，但它并非“开箱即用”的万能方案。要让系统真正精准、高效地回答问题，必须对索引、检索源、查询、Embedding 和检索过程这五大环节进行系统性优化。本文基于 LlamaIndex 框架，为你提供从理论到代码的完整优化指南，助你在实际项目中快速提升 RAG 系统的性能。

一、索引优化：夯实高效检索的基础

RAG 系统的核心在于从知识库中快速、准确地找到相关内容，而这一切都离不开一个高效的索引。索引就像图书馆的目录，优化得当，后续检索才能事半功倍。

1.1 Chunk 分块策略：一个直接影响效果的关键决策

在构建索引时，我们通常会把长文档拆分成一个个小块（chunk），然后为每个 chunk 生成 embedding 向量。但 chunk 的大小并非随意设定，它直接影响检索效果和生成质量。

• Chunk 大小的平衡之道：如果 chunk 太大，可能超出 LLM 的上下文窗口限制，导致信息被截断；如果太小，又可能把一段完整的意思拆散，让系统抓不住重点。一个实用的办法是根据 LLM 的窗口大小来设计 chunk 长度，同时预留一部分空间给用户的提示（prompt）。比如，如果窗口是 4096 个 token，可以把 chunk 控制在 3000～3500 个 token 左右，既保证完整性，又留有余地。

• 滑动窗口的妙用：直接按固定长度切割文档，会把关键信息一分为二。比如一段话的结论被切到另一个 chunk，检索时就可能漏掉。为避免这种情况，可以用滑动窗口的方式，让相邻 chunk 之间有一定重叠，比如重叠 500 个 token。这样即使信息被分开，也能保证完整性。

• 总结去冗余：面对内容啰嗦的文档，直接分块可能会引入很多噪音。这时可以先用模型对文档做个总结，提炼核心内容，再基于总结后的文本分块，既减少冗余，又提高检索效率。