K6.2 三大失败模式：对症下药
上一节的三盏灯告诉你「哪一环红了」，这一节把每种红灯对应的具体病根拆开，配上药方。RAG 翻车的方式虽多，归拢起来主要是三类。你在失败模式诊断器里已经各注入过一遍，这里把它们讲透。
病一：检索没召回（对的资料压根没捞回来）
症状：上下文相关性红灯。用户问「退货运费谁承担」，可含答案的那段「运费规则」根本没被检索到——检索回来的全是无关内容。模型拿着一手烂牌，要么答「资料不足」，要么瞎猜。
这是 RAG 的头号失败模式，也是最致命的：因为它发生在流水线最前端，后面所有环节都救不回来。资料都没捞回来，重排排个啥、生成照着啥答？
药方全在检索（K1~K4）：
- 换更强的嵌入模型、调切块策略（K2：别把答案切散了）；
- 上混合检索（K3：语义漏的让关键词补，尤其是精确词）；
- 召回阶段多召回一些（K4：召回率优先，宁滥勿缺，反正有重排去伪存真）；
- 甚至改写查询（把用户口语化的问题改写成更好检索的形式）。
一句话：没召回的救不回,所以检索这一关要拼命「别漏」。
病二：上下文泄漏（资料对了，模型却用自己的旧记忆）
症状：上下文相关性绿、有据性红。对的资料明明检索回来了、摆在模型面前，模型却无视它，凭训练时的「常识」瞎答——资料写着「会员退货免运费」，它却说「退货运费一般由买家承担」。
这叫「上下文泄漏」（context leak）：模型参数里的 旧知识「泄漏」进了答案，盖过了眼前的资料。它比病一更隐蔽——因为检索是对的，你查检索日志一切正常，可答案就是错的。
药方在生成（K5）：
- 提示词里把话说死：「只根据以下资料回答，不要使用你自己的知识，资料没有就说没有」；
- 强制引用：逼模型给每句话标出处（K5.2）——它要标出处，就不敢轻易脱离资料编；
- 严重时换个更「听话」（指令遵循更强）的模型。
病三：生成漂移（照着资料答，却把意思答歪了）
症状：上下文相关性绿、有据性红（部分）。模型确实在用资料，但复述时走了样——资料说「会员免运费、非会员自付 10 元」，它压缩成了「退货一律免运费」，把「非会员要付钱」这个关键条件丢了。
这叫「生成漂移」（generation drift）：忠实度打了折。它最阴险的地方在于——答案看起来通顺、大方向也对，用户很难发现少了个条件。模型对「长条件、多分支」的内容做概括时，特别容易漏掉或篡改细节。
药方也在生成（K5）：
- 要求模型逐条对应资料作答，别自由发 挥概括；
- 对关键的条件、数字，提示模型原样保留、别改写；
- 用有据性评测（K6.1）专门盯这类「漏条件」的漂移。
一张诊断表
把三种病根收拢成一张速查表——这就是你排查 RAG 故障时的地图：
| 失败模式 | 红灯 | 病根在 | 一句话症状 | 主要药方 |
|---|---|---|---|---|
| 检索没召回 | 上下文相关性 | 检索 K1~K4 | 对的资料没捞回来 | 改嵌入/切块/混合检索/多召回 |
| 上下文泄漏 | 有据性 | 生成 K5 | 资料对但模型凭旧记忆答 | 收紧指令、强制引用 |
| 生成漂移 | 有据性 | 生成 K5 | 照着答但复述走样、丢条件 | 逐条对应、关键信息原样保留 |
教学上把三种病分开讲，实战中它们常常一起犯：检索只召回了半对的资料（病一的轻症），模型又在这半对资料上过度发挥（病二/病三）。而且还有本课没细展开的病根—— 比如源文档本身就是错的或过时的（垃圾进垃圾出，回扣 K0 和上篇 4.1），这种检索、生成都没错，错在知识库的「源头」，得靠数据治理解决。三盏灯帮你缩小范围，但最终定位仍要你去读那条失败的轨迹（回扣下篇 A7.3 读轨迹找根因——评测 RAG 和评测智能体是同一套侦探功夫）。
小结
- 检索没召回（上下文相关性红，病根在检索）：对的资料没捞回来，最致命——后面救不回，药方是拼命提高召回。
- 上下文泄漏（有据性红，病根在生成）：资料对但模型用旧记忆瞎答，药方是收紧指令、强制引用。
- 生成漂移（有据性红，病根在生成）：照着答却复述走样、丢条件，药方是逐条对应、关键信息原样保留。
- 三盏灯 → 三种病根 → 对应药方，构成一张诊断表；现实中常是并发症，还要靠读失败案例最终定位。
延伸阅读
- RAG 综述（2023）中关于失败模式与优化方向的部分。
- 下篇 A7.3 评测驱动开发——读失败轨迹、找根因、分桶优化，和本节是同一套侦探功夫。
- 下一节 K6 小结与自测。