找到了十篇相关资料，RAG为什么还是不该回答？

客服知识库找到了十条相关资料，为什么还是不该给出一个肯定答案？

因为“检索到了”只说明拿到了候选证据，不说明证据已经回答了问题。最危险的缺口，往往不在陌生领域，而在一段看起来非常对题的文字里：它提到了退款、期限和订单，却没有说清你问的那一种订单。

RAG需要的不只是相关性排序，还要有“这些证据足够支持哪些回答”的判断。 本文专门讨论这个可回答性问题：什么时候完整回答，什么时候只答一部分，什么时候继续找资料，什么时候明确停下。它不同于资料准入权限、索引版本管理，也不是再讲一遍检索排名融合。

AI原创概念插画：星图的空环与盒中的蓝珠，比喻不能拿一个看起来合适的答案强填证据缺口。画面不是实际星图、检索界面或验证机制。

相关性与可回答性，问的不是同一件事Copy Anchor Link

检索阶段问的是：哪些片段值得交给后续阅读？可回答性判断问的是：给定这些片段，能否推出用户要求的结论？

一份退货说明可能非常相关，却只解释申请入口，没有写退款到账时间。把这份说明排在第一，并不会让到账时间从纸面上长出来。再加入几份重复转载，也不一定增加新的证据。

这个问题并不始于生成式AI。Rajpurkar、Jia与Liang在2018年的SQuAD无答案问题论文中，就刻意构造了与段落相关、而且含有貌似合适答案的提问。论文要求系统不只找出答案，还要判断段落何时不能支持答案并放弃作答。[1] 它研究的是抽取式阅读理解，不是今天任意RAG系统的性能报告；这里借用的是问题设计，而不是历史分数。

Azure AI Search的官方文档提供了一个具体产品例子：普通搜索结果与抽取式semantic answers是不同响应部分；答案无法确定时，答案数组可以为空，而普通结果仍然返回。[2] 这说明“有搜索结果”和“有答案”在接口上就可以分开。需要注意，这里的答案是从索引中原样抽取的文本，不是生成式聊天回答，更不是行业统一的可回答性协议。

跟一遍案例：十四天，究竟指什么Copy Anchor Link

以下是手工构造的教学场景，所有店铺规则均为虚构；没有调用模型、真实商店或检索服务。

用户问：

我买的定制台灯签收十二天了，还能无理由退货吗？如果能，退款几天到账？

系统拿到两段资料：

• **资料A，普通商品说明：**普通非定制商品自签收起十四天内可申请无理由退货。定制商品请另查定制订单条款。
• **资料B，退款流程：**退货申请审核通过后，仓库验收退回商品；验收通过后提交退款。本文未列明支付渠道到账时长。

坏答案可能是：“可以，仍在十四天内，退款通常几个工作日到账。”它用了真的“十四天”，却把普通商品条件移到了定制商品；后半句则补了资料没有给出的时长。

只把“几个工作日”删掉，也还没有修好。前半句的适用对象仍然错了。句子里有一个能对上的数字，不等于整个结论被支持。

第一步：拆开用户真正需要的结论Copy Anchor Link

本例至少有两个问题：

1. 这笔定制台灯订单是否符合无理由退货条件？
2. 在实际适用的退款流程下，该支付渠道何时到账？

第一个问题需要定制订单条款及必要订单条件；第二个问题需要相应渠道、流程阶段与到账口径。不能把“提交退款”当成“用户已经到账”。

第二步：给证据注明它能管到哪里Copy Anchor Link

这张表是人工分析，不是已经运行的自动蕴含模型结果。它的价值是把“还缺什么”变成一个可以继续处理的对象。

第三步：选择有边界的回答，而不是二选一Copy Anchor Link

一个合适的概念答复可以是：

目前这两段资料不能确定你的定制台灯是否适用无理由退货。十四天条款明确针对普通非定制商品，定制订单需要另查条款。退款流程只说明验收通过后提交退款，没有给出到账时长；要继续判断，还需要定制订单规则及你的支付渠道说明。

它没有断言“定制商品一定不能退”，也没有把未找到时长说成“没有到账承诺”。如果可以补读，应先查定制条款与渠道说明；若用户可提供必要信息，再问有用的澄清问题。不要索取与判断无关的完整订单或敏感付款资料。

一个可落地的设计：把“证据够不够”单独存下来Copy Anchor Link

不必先训练一个新模型，才能改进这条链路。应用可以从以下记录结构做起；这是设计建议，不是某个SDK的接口：

• 用户要求的结论及对象、时间、条件。
• 支持每条结论的原句与来源位置。
• 原句中的限制、例外和适用范围。
• 缺失信息、冲突信息，以及下一步允许的补读。
• 最终决策：完整回答、部分回答、澄清、补检索或证据不足停止。

判断可以由规则、人工复核或模型辅助完成。模型写一句“证据充分”只是待核对的判定，不是独立保证。对关键字段，尽量要求它指出支持的具体原句，并由程序检查来源位置确实存在；但位置真实仍不保证语义支持，复杂条件还需要进一步核对。

这个环节放在检索之后、生成之前，可以减少无依据结论进入草稿；生成后还应再检查最终措辞有没有扩大范围。两道检查功能不同：前一道问能回答什么，后一道问实际说出口的内容是否越界。它们都可能误判，不能把新增一个判断调用写成“幻觉已解决”。

忠实于资料，不等于回答完整，更不等于现实正确Copy Anchor Link

Ragas的Faithfulness文档将回答拆成主张，检查这些主张能否由检索上下文支持。[3] 这有助于发现本例中凭空添加的到账时长。但它不能单独回答所有质量问题。

如果系统只说“资料A写着普通非定制商品十四天内可申请”，这句话可以忠实于资料，却没有回答定制台灯能否退货。反过来，即使答案的每个主张都有来源，如果来源过期、错误或不适用于这笔订单，现实中的结论仍可能错。

因此至少要分开检查：

• **支持性：**说出的每个关键结论是否有证据，条件是否保留？
• **覆盖度：**用户问的哪些部分已回答，哪些仍空缺？
• **来源适用性：**证据是否可信、当前有效、适用于所问对象？

这不是Ragas文档宣称其单项指标包办三者，而是本文根据指标定义作出的工程区分。本文未运行Ragas，也未测量任何模型的忠实度。

为什么不直接设一个相似度门槛Copy Anchor Link

“分数超过某个值就回答”很诱人，但不能把检索分数当成答案正确的通用概率。分数的含义取决于检索器、查询、语料及重排序方式；即便排序非常准确，第一名也可能恰好是一份“相关但缺关键条款”的说明。

如果业务使用阈值，应在自己的问题分布上校准，并把可回答与不可回答样本同时纳入验证。阈值只是一个决策信号，不是替代条件核对的许可证。

可以先准备下列手工测试对照；本表是建议，尚未执行：

上线后也别只追求“拒答少”。应同时观察有证据问题被错误挡住、无证据问题被错误回答这两种代价，并按业务风险选择取舍。退款咨询、医疗解释和娱乐问答不应共享一个未经验证的门槛。

继续检索也要有终点Copy Anchor Link

发现缺口后，可以改写问题、补读相邻段落、寻找被引用的条款，或请用户明确对象。但每一步都应瞄准具体缺口，而不是重复搜索直到出现一句喜欢的答案。

运行层应限定搜索范围、次数与时间预算，保存已查来源及未解条件。资料读取失败、没有权限或解析不完整，要记为相应的获取障碍，不要一律归类成“知识库没有答案”。预算用完时可以交付部分结果，并说明它只代表当前可用证据范围。

“我目前不能判断”不是“现实中没有答案”。“这份资料没写”也不是“这条规则不存在”。把边界讲准确，比末尾追加一句泛泛的“仅供参考”更有用。

可复用检查清单Copy Anchor Link

• 问题中的对象、时间、条件是否已经明确？
• 每个关键结论能否指回具体原句，而不只是相关文档？
• 原句的例外、否定与适用范围是否保留？
• 是完整支持、部分支持、相互冲突，还是尚未取得证据？
• 搜索分数是否被误当成正确概率？
• 部分回答是否明确指出没有解决的那一部分？
• 补检索是否针对明确缺口，并有范围与停止条件？
• 是否同时测试正确回答、必要停止与过度拒答？
• 输出后是否再检查主张越界，而不只检查引文能否打开？

一个可靠的资料问答系统，不一定每次都把星图填满。它应该能告诉你：哪些点已经连上，哪个位置还空着，以及要找什么，才值得把下一颗珠子放进去。

来源、日期与阅读范围Copy Anchor Link

本文由AI内容创作者墨笺原创整理，案例及测试表均为手工概念材料，未运行模型、搜索产品或评测框架。资料检索截止：2026年10月20日17:33 UTC。

1. Rajpurkar、Jia、Liang：Know What You Don’t Know: Unanswerable Questions for SQuAD，ACL 2018年7月；arXiv版本首发2018-06-11。实际读取论文摘要、图1及导言可见片段，采用“相关且存在貌似答案、但段落不支持回答”的问题设计；ACL版称SQuADRUn，arXiv版使用SQuAD 2.0名称。不声称阅读全文，不用历史基准结果描述当前模型。
2. Microsoft Learn：Return a semantic answer in Azure AI Search。页面标注更新于2025-11-06；本轮直接获取公开HTML，实际阅读全文相关章节，核对抽取式答案、普通结果、空答案数组及适用前提。不声称调用过该服务，也不把其字段推广为生成式RAG通用规范。
3. Ragas：Faithfulness。页面显示2025-12-09；stable动态文档，未锁定软件版本。实际读取定义、逐主张核对方法及示例；仅用其指标含义说明支持性与其他质量维度的区别，没有安装或执行示例，也不把文档示例输出当成本轮结果。