召回率高就夠了嗎？

不夠。召回高只保證'找得全'，還需重排把最相關置頂、控制噪聲，否則無關文件擠佔上下文反而干擾生成。

怎麼提升 RAG 召回？

最佳化文件切分粒度、用混合檢索(向量+BM25)、加後設資料過濾與重排；並定期用標準問答集測召回率指導迭代。

🤖 RAG Retrieval Recall Calculator

Compute retrieval recall from the number of relevant documents and the number actually retrieved, to measure the coverage of your RAG retriever.

📐 計算公式 / 原理

召回率 = 檢索到的相關文件數 / 相關文件總數 × 100%；精確率 = 檢索到的相關文件數 / 檢索總數 × 100%；F1 = 2·P·R/(P + R)；命中率 = 檢索到 ≥1 篇相關 ? 100% : 0

RAG 的檢索質量直接決定生成上限：召回率不足會漏掉關鍵證據導致幻覺，精確率不足則把噪聲塞進上下文稀釋注意力。命中率（Recall@k 的特例）常用於快速判斷 top-k 是否夠用。

相關文件總數

檢索返回數

檢索中相關文件數

召回評估

知識庫某問題共有 10 篇相關文件，檢索返回 top-20 中命中 8 篇 → 召回率=80%。若只命中 3 篇，則生成極易遺漏要點，需擴大召回或改進切分。