> For the complete documentation index, see [llms.txt](https://docs.cherryai.com.cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cherryai.com.cn/docs/zhong-wen-fan-ti/knowledge-base/recall-test.md).

# 檢查資料同召回

召回測試會直接檢查「問題可唔可以搵到正確片段」，唔會先經過聊天模型潤色。佢可以幫你判斷問題出喺資料、解析、分塊定係檢索設定。

{% hint style="info" %}
準備 3～5 個你已經知答案嘅真實問題，並且每次更新資料、模型或者分塊之後重複使用。固定問題比臨時試問更容易發現退化。
{% endhint %}

## 準備測試問題

建議同時覆蓋三類問題：

* 精確事實，例如「國內一線城市住宿上限係幾多？」
* 條件規則，例如「海外租車喺咩情況下可以報銷？」
* 容易混淆，例如「5000 元以上嘅出差由邊個追加審批？」

唔好只用資料標題或者整句原文測試，咁會高估真實使用效果。

## 完成一次召回測試

{% stepper %}
{% step %}

### 1. 打開召回測試

打開左側導航【知識庫】→ 選擇知識庫 → 進入【召回測試】。
{% endstep %}

{% step %}

### 2. 輸入真實問題

輸入一個答案明確嘅問題並執行測試。問題應該接近日常講法，唔好刻意複製資料原文。
{% endstep %}

{% step %}

### 3. 檢查來源同片段

確認來源正確，片段同時包含回答所需嘅條件同結論。

<figure><img src="/files/65ce03c7ec8a7c321ec30cb89dc17f5b9a06494e" alt="召回测试中的命中来源、相关度、片段内容和排序"><figcaption><p>唔好只睇有冇結果，仲要檢查來源、片段完整度同順序。</p></figcaption></figure>
{% endstep %}

{% step %}

### 4. 對照現象定位問題

如果完全冇正確片段，先查資料、解析同分塊；如果正確片段可以出現但順序唔穩，就再考慮嵌入、重排或者 Top K。
{% endstep %}

{% step %}

### 5. 單項調整並復測

每輪只修改一項設定。涉及解析、分塊或者索引時，先執行【重新索引】，再用同一組問題復測。
{% endstep %}
{% endstepper %}

## 點樣讀結果

| 現象            | 說明                     | 下一步                    |
| ------------- | ---------------------- | ---------------------- |
| 正確來源排喺前面，片段完整 | 召回基本合格                 | 再測試幾種唔同問法              |
| 完全冇正確結果       | 資料未就緒、內容缺失、問法差異大或者閾值過高 | 依次檢查資料、正文、Chunks 同檢索設定 |
| 來源正確但片段缺少關鍵句  | 解析或者分塊邊界唔理想            | 查看 Chunks，調整後重新索引      |
| 舊版本同新版本同時出現   | 同名資料被全部保留              | 刪除舊條目或者用【替換】重新導入       |
| 正確項經常靠後       | 候選較多或者排序唔穩定            | 清理資料，考慮嵌入或者重排模型        |
| 召回正確但聊天回答唔準   | 問題更可能喺提示詞或者聊天模型        | 保留召回設定，調整提問同聊天模型       |

{% hint style="warning" %}
聊天模型補唔返召回階段冇搵到嘅關鍵資料。召回結果唔合格時，唔好先靠反覆更換聊天模型排錯。
{% endhint %}

## 調優閉環

<figure><img src="/files/9d0be85164e1eb156f3b81e5f34c3a0a52ff0cf5" alt="用固定问题检查召回、定位问题、单项调整、重新索引并复测的质量调优闭环"><figcaption><p>固定問題 → 檢查結果 → 定位層級 → 單項調整 → 必要時重新索引 → 復測。</p></figcaption></figure>

推薦順序：

1. 確認資料正確，冇重複或者過期版本。
2. 檢查解析正文同 Chunks。
3. 當問法同原文差異好大時，考慮嵌入模型。
4. 候選大致正確但順序唔穩時，再考慮重排模型。
5. 調整後重新索引，並重複同一組測試。

<figure><img src="/files/f40998683b0aa62431eb81fa05a615038defc9d1" alt="知识库高级设置中的智能分段、分隔符、分段大小和重叠大小"><figcaption><p>片段唔完整時再檢查分塊設定；修改只影響新資料，舊資料需要重新索引。</p></figcaption></figure>

## 配置說明

| 配置項    | 產品預設值        | 建議起點     | 作用         | 適用場景        | 注意事項              |
| ------ | ------------ | -------- | ---------- | ----------- | ----------------- |
| 測試問題數量 | —            | 3～5 個    | 建立可重複嘅質量基線 | 所有知識庫       | 覆蓋精確事實、條件規則同易混淆問題 |
| Top K  | 6，可選 1～50    | 先保留 6    | 控制最終片段數量   | 覆蓋同噪聲之間取捨   | 調大可能會佔用更多上下文      |
| 相似度閾值  | 0.0，僅配置重排後顯示 | 由 0.0 開始 | 過濾重排後嘅低分結果 | 重排後仍然有噪聲    | 設得過高會移除正確片段       |
| 復測方式   | —            | 每輪只改一項   | 判斷設定變化嚟自邊度 | 調優、更新資料或者模型 | 修改分塊或者模型後先重新索引    |

## 預期結果

* 正確來源穩定出現喺前幾條結果中。
* 片段包含回答問題所需嘅條件同結論。
* 換一種自然講法之後，結果仍然穩定。
* 更新資料或者設定後，固定問題冇明顯退化。

## 用戶案例

小林發現「住宿費標準」用原文可以命中，但「住酒店最多可以報幾多」唔穩定。佢先確認資料同 Chunks 正常，再配置嵌入模型並復測。正確片段出現之後偶爾排喺後面，所以之後先加入重排模型。

完成標準係：三種唔同問法都可以喺前幾條結果中搵到同一條住宿標準，而且片段包含適用城市同金額上限。

## 常見問題

<details>

<summary>完全冇正確片段，先調大 Top K 嗎？</summary>

先檢查資料正文同 Chunks。解析或者切分錯誤時，調大 Top K 只會返回更多唔正確或者唔完整嘅片段。

</details>

<details>

<summary>點解睇唔到相似度閾值？</summary>

只有選擇重排模型之後，知識庫設定入面先會顯示【相似度閾值】。

</details>

<details>

<summary>召回正確，聊天回答仍然唔準點算？</summary>

保留而家嘅召回設定，檢查問題表達、對話上下文同聊天模型。呢個時候問題通常已經唔喺資料檢索層。

</details>

## 繼續閱讀

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>模型同檢索設定</strong></td><td>調整嵌入、重排、Top K 同分塊。</td><td><a href="/pages/80a36504e872dfe466466dc078aa9127440ec266">/pages/80a36504e872dfe466466dc078aa9127440ec266</a></td></tr><tr><td><strong>文件解析同 OCR</strong></td><td>處理正文缺失、亂碼同掃描內容。</td><td><a href="/pages/4b9563c434830d8aac5df782c734b2ddcd8509f0">/pages/4b9563c434830d8aac5df782c734b2ddcd8509f0</a></td></tr><tr><td><strong>喺對話中使用</strong></td><td>召回合格之後就可以用知識庫提問。</td><td><a href="/pages/ac615ed35f3933ef3b20986efc772027675d3edd">/pages/ac615ed35f3933ef3b20986efc772027675d3edd</a></td></tr></tbody></table>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.cherryai.com.cn/docs/zhong-wen-fan-ti/knowledge-base/recall-test.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.