双层分段检索提升 RAG 准确率

视频讲的是知识库 RAG 的双层存储与检索思路：将原文按逻辑章节保留为较长分段，另把这些分段拆成约 1000 Token 以内的小片段进行向量化。问答时先由向量数据库召回小片段，再根据 Metadata 中保存的 Key 回取对应的大段原文，重排后交给大模型。

可借鉴之处在于，它试图同时兼顾小切片的匹配精度和完整上下文，适合章节结构较清晰、内容较长的文档库。边界与风险是：1000 Token 只是视频给出的经验值，不应视为通用最优参数；召回、关联、去重和重排的具体实现未展开，实际效果仍取决于文档结构、嵌入模型、检索策略及上下文窗口。转写中的部分产品名存在识别不确定性，需人工核验。