搜到的资料都很像，RAG该怎样给关键例外留个位？

检索结果有六段都在讲“支持导出”，模型却没看到“访客账号不能导出”的例外。把结果数量再加一点，也许只是多放进几段同义说明。

这时，问题不一定是相关性不够，而可能是相关材料太像，挤掉了互补材料。

本文只回答一个问题：当回答模型的阅读空间有限时，怎样避免把同一条信息重复塞进去？一种经典办法叫MMR，通常译为最大边际相关性。它不只问“这段和问题有多相关”，还问“我已经选过的材料里，是不是差不多说过了”。

AI原创概念插画：月夜海滨工坊里，一盘不同形态的陶贝与一屉相似扇贝并置，比喻选材时的相关性与冗余权衡。画面不是贝类分类学图、真实检索界面或算法效果证据。

相关性排序，为什么会选出一叠近似复印件Copy Anchor Link

RAG可以简单理解为：先从资料库找到材料，再让模型依据材料回答。通常先取得一批候选，再从中选出有限的内容交给模型。

如果排序器逐篇判断“这份文档和问题是否相关”，两篇几乎相同的说明都可能得高分。它们分别看都不错，合起来却未必是最有用的一组。

例如用户问：“团队成员和访客都能把项目导出吗？”资料库里既有功能总览、帮助页和它们的转载，也有专门的账号权限说明。前三份可能不断重复“支持导出”，第四份才解释不同账号的条件。只按单篇相关性取前几名，可能把阅读预算花在重复介绍上。

MMR把选择过程改成了逐项选择：第一项先取最相关的，之后每选一项，都重新考虑它与已经选中集合的相似程度。Qdrant的工程文章用购物检索说明这一思想：用户可能需要多种相关款式，而不是几件外形几乎一样的商品。[1] 迁移到知识问答，这可以作为组织证据的思路，但不能直接把商品展示效果当作回答准确率的证明。

MMR也不是新近才出现的AI术语。1998年的相关论文已经讨论过相关性与新颖性的组合；本轮只读到经典论文摘要及导言片段，不依据未读实验复述其效果数字。本文的具体机制主要由当前公开方法参考与源码核对。[2][3]

它减掉的，是“与已选内容最像”的那一项Copy Anchor Link

先不用公式。每轮对还没选中的候选做两件事：

1. 给它一个与用户问题的相关程度。
2. 找出它与已选材料中最相似的一份，作为冗余惩罚的依据。

然后用一个权重平衡这两部分。下面是便于理解的数学写法，不是某个API的请求格式：

选择得分 = λ × 问题相关度
         − (1 − λ) × 与已选材料的最大相似度

这里λ在0到1之间。按这个定义，λ越接近1，越偏向单篇相关性；越接近0，后续选择越偏向与已选材料不同。小λ不等于好，大λ也不等于差，关键是问题需要什么。

本轮实际读取的LangChain内部实现，先以余弦相似度取最相关项，再计算候选与已选集合的相似度，以最大值构造惩罚，并按上述形式逐项加入候选。[3] 因此，即使λ为0，这份实现的第一项仍是最相关项；“纯多样性”不能误读成从第一项开始随意挑最偏远的文档。

也别把它理解成一次性给每篇文档算好一个永久的“MMR分数”。已选集合变了，冗余项就可能变；某段在第二轮不值得选，到后面也要依据新的集合重新比较。这是贪心选择过程，并不承诺找到所有可能组合中的全局最优集合。

跟一遍小实验：少一段重复，多一条条件Copy Anchor Link

下面是人工构造、实际在本地执行的确定性教学实验。产品、文档和所有分数都由人工指定；没有调用嵌入模型、LLM、向量数据库或重排服务，分数也不是任何API的响应，更不代表真实语料的测量值。

阅读预算只允许选两段：

另外人工设定：A与B的相似度为0.98；A与C为0.30；A与D为0.05。完整实验还提供了其他候选对的分数，保证每轮比较有明确输入。这些是教学评分夹具，不声称它们来自一组真实向量或经过了余弦几何一致性验证。

第一项先选A。之后，如果λ取0.5，B虽然对问题的单篇相关度更高，却因与A过于相似受到较大惩罚；C有机会凭借较低冗余被选进来。脚本的实际输出为：

程序对这些结果及空输入、零选择预算做了断言，实际全部通过。这里的0.5门槛也只是夹具条件，不能复制为生产系统的通用相关性阈值。

最值得注意的不是“C终于进来了”，而是另外两行：

• λ过小时，无关的D可能因为足够不同而进入结果。“不重复”不代表“有用”。
• C根本不在候选里时，MMR依然只能选A、B。它不是补检索，也不会发明缺失证据。

实验展示的是选择规则如何响应指定输入，不是MMR提升了多少回答准确率，更不是某个框架的性能测试。真实系统里的相关性与相似度会有误差，必须另做问题集验证。

两个数量和一个长度预算，别混在一起Copy Anchor Link

LangChain的Qdrant方法参考区分了fetch_k与k：前者是交给MMR的候选数量，后者是最终返回数量；lambda_mult控制相关性与多样性的取舍。[2] 这是该方法的字段语义，不是所有工具统一的参数命名。

可以把管线想成三个不同问题：

• **候选空间：**先找到多少份有资格参与选择的材料？
• **集合大小：**最终选多少份？
• **阅读长度：**这些材料实际占多少token？

只增加候选空间，不保证候选本身更全面；只减少返回数量，可能让一份关键例外更容易被挤掉；选中两段，也不代表两段长度相同。真实实现仍需要按最终长度处理预算。

如果命中后还会扩展到父文档或相邻窗口，应再次检查重叠：两个不同的短块，扩展后可能变成同一个小节。对命中小块做了多样性选择，不等于交给模型的最终长段落也不重复。

本文建议记录候选ID、所用版本、选择顺序和实际阅读文本；不要最后又按原始相关分数排序并截断，把选择阶段保住的互补材料重新挤出去。Qdrant所读文章也提醒，其展示的分数代表与原查询的相似程度，结果顺序则是MMR的选择顺序。[1] 不能把这类返回分数一律改名为“最终MMR效用”。

什么情况下，多留几份相似材料反而必要Copy Anchor Link

多样性并非总是优先目标。

如果问题只是“当前生效的导出上限是多少”，首要任务是取得正确版本与适用账号，不是为了看起来丰富而多挑几个主题。如果做事实核查，几份表述相近但真正独立的原始证据也可能很重要，不能因语义接近就全删掉。

反过来，六个网站转载同一份通稿，即使网页域名不同，也不是六次独立验证。向量不同不代表来源独立，向量相近也不代表事实完全重复。MMR的相似度只是选择信号，不是证据来源的血缘鉴定。

还有一个重要风险：两段只差一个“不”字，或只差适用版本，可能在语义空间里仍然很接近。若把它们当重复项压掉，系统可能丢失冲突、例外或撤销说明。对规则、法律、医疗等高风险材料，应保留明确的条件与版本处理，不把所有冗余判断交给一个相似度惩罚。

这意味着MMR适合处理“候选里有许多近似内容，且任务需要多个互补方面”的情况；它不负责判断哪项主张真实、不赋予访问权限，也不自动检查文档是否仍然生效。

一份可以带走的验收清单Copy Anchor Link

以下是工程建议，不是本轮已经运行的模型评测：

• 是否确有重复片段挤占预算，而不是关键资料根本没召回？
• 明确问题需要的是多面覆盖、精确定位，还是独立来源交叉验证。
• 进入选择前已检查访问权限、有效版本和必要的相关性门槛。
• 分别设置候选数量、最终条目数与实际token预算。
• 核对所用实现的参数方向，不凭“diversity”或“lambda”的名字猜含义。
• 能回查原始候选、选中顺序、来源关系及最终送入模型的文本。
• 语境扩展之后重新合并重叠，而不是只对短块去重。
• 单独测试只差否定词、版本或条件的相似资料，避免删掉关键例外。
• 同一最终阅读预算下，与纯相关性基线比较证据覆盖、重复内容、最终回答和延迟。
• 保留“候选缺失”“无关但很不同”“需要多份独立近似证据”的反例。

MMR最有用的提醒，不是“资料应该越不同越好”，而是：选下一份材料时，应当看它给已经选好的这一组，增加了什么。 一屉相似的贝壳很整齐，但回答一个有多个条件的问题，可能需要的是一盘彼此补充、又都与问题有关的材料。

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，虚构导出规则及手写评分夹具仅用于教学。本轮实际运行纯Python选择脚本与断言，没有调用模型、安装或运行LangChain/Qdrant，也没有复现厂商文章中的示例成绩。资料检索截止：2026年10月22日01:13 UTC。

1. Qdrant：Balancing Relevance and Diversity with MMR Search，2025年9月4日。直接读取公开HTML，补读算法说明、示例选择过程和分数／顺序区别。文章是厂商教程，不是本文独立复现；其末尾调参提示与前文代码注释方向不一致，本文不据该句给出具体API调参结论，也不采用文中示例得分作实测证据。
2. LangChain Qdrant：max_marginal_relevance_search方法参考。动态参考文档，未标独立发布日期，未锁定安装版本。实际读取方法说明及k、fetch_k、lambda_mult参数定义；采用字段语义，不沿用默认数字作为最佳配置。
3. LangChain Core：向量存储内部工具源码。本轮直接获取master分支并读取maximal_marginal_relevance完整函数及余弦相似度辅助实现。未锁定发布版本；源码将其标为私有API，本文只用于核对机制，不建议直接依赖内部函数。与方法参考属于同一项目，不构成独立效果复现。

背景补充：Carbonell与Goldstein，1998年MMR论文。本轮网页提取仅实际读到摘要及导言片段；本地PDF缺少可提取文本、现有工具未完成OCR，因此不声称通读、不依据未读公式或实验章节作结论。