P8 教了你 Agentic RAG——由 Agent 动态控制检索。本课转向检索引擎本身：混合搜索、分块策略、查询理解、重排序，以及衡量你的 RAG 是否真正有效的指标。

SDK 重点MCP toolsoutputFormatstructured evaluationmulti-step retrieval

检索质量差距

大多数 RAG 演示使用单一向量搜索和默认分块。生产级 RAG 要求更高：

text

演示 RAG：
  文档 → 固定大小分块 → 嵌入 → 单次向量搜索 → 生成
  问题：未在有代表性的标注查询上评测，质量仍是未知数

工业级 RAG：
  文档 → 智能分块 → 混合索引（BM25 + 向量）
  查询 → 理解 → 重写 → 混合搜索 → 重排序 → 生成
  结果：显著更高的检索准确率，且有可衡量的指标

演示与生产 RAG 之间的差距归结为三个方面：如何分块、如何搜索、如何衡量。

分块策略

分块是 RAG 中最容易被低估的一环。分块切坏了，检索必然差——搜索再花哨，也救不回垃圾输入。

固定大小分块

最简单的方法。按 token 数量分割并设置重叠：