现在都说要跟 AI 打好配合，提升工作效率。但是我用了这么久下来，发现 AI 幻觉是避免不了的，只是或多或少的问题。
比方说你要搭一套 RAG 系统，或者给 Agent 接上公司内部知识库，测试的时候看起来还行，但一遇到真实的文档，比方说一份产品规格书，一份带多级嵌套表格的金融年报，或者是一组混排了图片、表格、参考文献的技术白皮书......AI 就开始频繁出错。要不就说信息找不到，要不就找错。
但是呢，它这些“幻觉”不是每次都出现的，它是时对时错，毫无规律，你调整 Prompt 、更换 Embedding 模型、试了各种分块策略，但效果总是不稳定。整到后面，人都麻了。
有时候我会想，算了，也许这就是人类程序员还存在的理由？————给 AI 擦屁股？
分享一下我给 AI 擦了这么久的屁股之后，感觉比较有用的一些思路吧。
首先模型是没法大改的了，至少对于我等普通小喽啰而言，等它自己更新更现实（大佬应该不会看到我的帖子吧，请 pass 哈）。但是在这个过程中，活还是要干的，那么怎么保证产出的准确性呢？我觉得优化 RAG 是一个比较可行的思路。
现在的大模型在生成答案前，往往会先通过 RAG 从广泛的文档数据库中检索相关信息，然后利用这些信息来引导生成过程。但大多数 RAG 系统处理文档的方式非常“暴力”：它会把 PDF 、Word 或者网页内容提取成纯文本，然后用一个固定的窗口大小（比如 500 个 token ）把文本切成一块块，也就是所谓的 Chunk 。
在这个过程中，标题层级可能被削平了，表格被拦腰截断，图和文字的关联彻底消失。每个 Chunk 都是一张碎片，前后文、结构、归属关系全丢失，丢给 AI 做检索增强时很容易让 AI 找不着北。
但 AI 是被训练过的，它要避免说“我不知道”，这是“主人的命令”。于是，它只好用语言模型的概率能力去“脑补”，幻觉就这样产生了。
我的解决办法，就是换一种解析方式。抛弃传统的按字数打断的切片方式，转而采用类似脑图的树形结构进行拆分，尽量保留切片的上下文信息，减少信息缺失导致的 AI“脑补”行为。
具体流程分三步：
1 、解析。接入高质量的解析器来读取 PDF 、PPT 、图片、表格等格式，先拿到一个相对干净的文本初稿。
2 、结构化。建立文档的标题树，从一级标题到二级、三级，每一块文本都挂载到对应的章节路径上。表格和图片不是抽离出来当作独立附件，而是和内联的上下文文本牢牢绑定，确保 AI 能看到“这张表格是属于哪一段话”的完整关系。
3 、构建记忆。构建一个包含章节树、文本块、摘要、图像描述以及跨文档链接的轻量级记忆图谱。这个图谱就像是给 AI 配了一本带有详细目录、索引和超链接的电子书，AI 检索时可以在图谱里沿着路径上下左右导航，精准定位到最相关的证据区域，而不是仅仅依靠向量相似度去猜测。
测试下来，相比于传统的 RAG 或是使用原始文本，AI 的表现都要好很多：以 RAG 中常见的 Agent 问答任务为测试场景，当直接给 Agent 提供原始文档，或者使用主流解析器生成的 markdown/json 文件时，Agent 的最终回答准确率大约在 53%左右。
但使用新方法处理过的文档后，AI 准确率提升到了 79%。同时，Agent 的首次搜索准确率相对原始文档提升了 36%，召回率提升了 10%。再者，因为切片太碎导致的无效检索减少了嘛，所以 Token 消耗和搜索时间也随之下降了。
这在跟 AI agent 有关的场景里面都适用。
现在，我把这个方法打包成了一个工具 Knowhere ，开源的： https://github.com/Ontos-AI/knowhere 。如果你懒得自己操作，那可以借助工具的力量。
它可以显著提升这几类场景的体验：
-
面向企业的智能问答或知识库。Knowhere 能让 AI 给出的答案更准确、更可追溯，每一条结论都能定位回原文的具体位置。
-
金融、法律、医疗等垂直领域的 Agent 应用。Knowhere 可以保留多级复杂表格和图表的结构，不再让关键数据被“切碎”。
-
如果你在管理大量学术文献或技术文档，它可以在不同文档之间建立关联图谱，让 Agent 做跨文档推理时更可靠。
欢迎尝试，有问题随时问我。