# RAG 常见故障排查（16 问题清单）当知识库已经接入，系统也能正常回答，但结果仍然出现命中错误、引用旧内容、推理漂移、跨轮次失忆，或部署后表面可用但实际异常时，最常见的问题不是“模型不行”，而是**不同层的故障被混在一起处理**。这份页面不重新发明一套新方法。它直接使用一份固定的 **16 问题清单** 作为排查主轴，让你先把问题标到正确的 **No.X**，再决定下一步查哪里、改哪里，而不是一次性乱改检索、模型、切块、会话和部署配置。这份清单的核心目的只有一个： **先把问题放进正确的故障域，再做修复。** 快速导航： [这页怎么用](#how-to-use) | [标签说明](#legend) | [常见症状入口](#symptoms) | [16 问题清单](#map16) | [按层排查](#by-layer) | --- ## 一、这页怎么用这不是一篇“从头到尾照着做”的传统教程。它更像一张固定的 RAG 故障地图，作用是先帮助你**判断故障属于哪一种类型**。建议按下面顺序使用： ### 1. 先看现象，不要先改配置先回答两个问题： 1. 你看到的故障，最像哪一种症状 2. 这个故障更像发生在输入检索层、推理层、状态层，还是部署层在还没判断层级之前，不要先一起改这些东西： - 检索条数 - 切块大小 - 会话配置 - 模型参数 - 部署顺序 - 依赖服务如果先全部一起动，问题通常只会更难定位。 ### 2. 先给问题打上 No.X 标签这份页面最重要的动作，不是“立刻修好”，而是先做一件小事： **给当前问题贴上最接近的 No.X。** 例如： - 检索结果看起来相似，但其实答非所问，先看 `No.1` 或 `No.5` - 切块是对的，但结论还是错，先看 `No.2` - 系统回答很自信，但没有根据，先看 `No.4` - 刚部署完就炸，先看 `No.14` 到 `No.16` ### 3. 一次只排一个故障域同一个表面现象，背后可能是不同层的问题。例如“答案不对”既可能是： - `No.1` 检索漂移 - `No.2` 理解塌陷 - `No.4` 自信乱答 - `No.8` 根本看不到错误路径所以这张表的用法不是“多选全改”，而是： **先挑最接近的一项，优先验证这一项是否成立。** [返回顶部](#top) | [下一节：标签说明](#legend) --- ## 二、标签说明这份 16 问题清单本身已经带有层级 / 标签结构。这些标签不是装饰，而是用来帮助你快速判断故障发生在哪一层。 ### 1. 层级标签 - `[IN]`：输入与检索输入、切块、召回、语义匹配、可见性问题 - `[RE]`：推理与规划理解、推理、归纳、逻辑链、抽象处理问题 - `[ST]`：状态与上下文会话、记忆、上下文连续性、多代理状态问题 - `[OP]`：基础设施与部署启动顺序、依赖就绪、部署锁死、预部署状态问题 ### 2. `{OBS}` 标签带 `{OBS}` 的项，通常都和“**你是否看得见问题是怎么坏掉的**”有关。它们往往不是单纯回答错误，而是： - 错误路径不可见 - 漂移过程不可见 - 状态熔化过程不可见 - 多代理覆盖过程不可见所以一旦你发现“我知道结果错，但我根本看不到它是怎么错的”，通常就已经很接近 `{OBS}` 类问题了。 ### 3. 为什么要保留这些标签因为同样叫“答错了”，实际含义完全不同。例如： - `[IN]` 的答错，常常是**拿错材料** - `[RE]` 的答错，常常是**拿对材料但理解错** - `[ST]` 的答错，常常是**前文断掉、状态漂移** - `[OP]` 的答错，常常是**系统根本没在完整状态下运行** 如果不先分层，就会掉进典型的 RAG 地狱：表面在改答案，实际上在盲修。 [返回顶部](#top) | [下一节：常见症状入口](#symptoms) --- ## 三、常见症状入口如果你现在还不知道该从哪一项开始，就先从症状入口反查。 ### 1. 检索返回了错误内容，或看起来相关但其实不回答问题这类问题最常见的是： “有命中，但命中的不是该用的内容。” 优先看： - [No.1](#no1) `幻觉与切块漂移` - [No.5](#no5) `语义 ≠ 向量嵌入` - [No.8](#no8) `调试是一个黑箱` ### 2. 切块本身是对的，但最终答案还是错的这类问题不是简单没检索到，而是后面那层坏了。优先看： - [No.2](#no2) `解释塌陷` - [No.4](#no4) `虚张声势 / 过度自信` - [No.6](#no6) `逻辑塌陷与恢复` ### 3. 多步任务一开始正常，后面越来越偏这类问题通常不是单点错误，而是中途漂移或熔化。优先看： - [No.3](#no3) `长推理链` - [No.6](#no6) `逻辑塌陷与恢复` - [No.9](#no9) `熵塌陷` ### 4. 多轮对话后开始失忆，跨轮次接不上这类问题一般已经进入状态层。优先看： - [No.7](#no7) `跨会话记忆断裂` - [No.9](#no9) `熵塌陷` - [No.13](#no13) `多代理混乱` ### 5. 遇到抽象、逻辑、规则、符号关系就崩这类问题通常不是检索空，而是推理结构扛不住。优先看： - [No.11](#no11) `符号塌陷` - [No.12](#no12) `哲学递归` ### 6. 你根本不知道错在哪一层，只知道结果不对这类问题先不要乱调参数。先解决“不可见”的问题。优先看： - [No.8](#no8) `调试是一个黑箱` ### 7. 刚部署完最容易炸，首轮调用异常，重启后偶尔恢复这类问题通常不在答案逻辑，而在部署状态。优先看： - [No.14](#no14) `引导启动顺序` - [No.15](#no15) `部署死锁` - [No.16](#no16) `预部署塌陷` [返回顶部](#top) | [下一节：16 问题清单](#map16) --- ## 四、16 问题清单（固定主表）下面这 16 项按固定顺序使用。不要先重组，不要先混类，先判断最接近哪一个 **No.X**。 | # | 问题域（含层级/标签） | 会坏在哪里 | |---|---|---| | 1 | `[IN] 幻觉与切块漂移 {OBS}` | 检索返回错误/无关内容 | | 2 | `[RE] 解释塌陷` | 切块是对的，逻辑是错的 | | 3 | `[RE] 长推理链 {OBS}` | 在多步任务中逐步漂移 | | 4 | `[RE] 虚张声势 / 过度自信` | 自信但没有根据的回答 | | 5 | `[IN] 语义 ≠ 向量嵌入 {OBS}` | 余弦匹配 ≠ 真实语义 | | 6 | `[RE] 逻辑塌陷与恢复 {OBS}` | 走入死胡同，需要受控重置 | | 7 | `[ST] 跨会话记忆断裂` | 线索丢失，没有连续性 | | 8 | `[IN] 调试是一个黑箱 {OBS}` | 看不到故障路径 | | 9 | `[ST] 熵塌陷` | 注意力熔化，输出失去连贯性 | | 10 | `[RE] 创造力冻结` | 平直、字面化输出 | | 11 | `[RE] 符号塌陷` | 抽象/逻辑性提示词失效 | | 12 | `[RE] 哲学递归` | 自我引用循环、悖论陷阱 | | 13 | `[ST] 多代理混乱 {OBS}` | 代理互相覆盖或使逻辑错位 | | 14 | `[OP] 引导启动顺序` | 依赖未就绪时服务先启动 | | 15 | `[OP] 部署死锁` | 基础设施中的循环等待 | | 16 | `[OP] 预部署塌陷 {OBS}` | 首次调用时版本错配 / 缺少密钥 | 这张表是主表。如果你时间很少，只做一件事也行： **先从这 16 项里选出最接近的一项。** [返回顶部](#top) | [下一节：按层排查](#by-layer) --- ## 五、按层排查：不要改错层这一节不重写 16 项，只是告诉你：当你已经选到某个 No.X 时，第一眼应该优先查哪一层。 ### A. `[IN]` 层：先确认你拿到的是不是对的材料对应编号： - [No.1](#no1) - [No.5](#no5) - [No.8](#no8) 这层最常见的误判是： “我以为系统理解错了，其实它一开始就拿错了东西。” 如果你命中了弱相关片段、表面相似文本、错误切块，后面推理再强也没用。所以 `[IN]` 层优先看的是： 1. 原始召回内容到底是什么 2. 命中的片段是否只是“相似”，而不是“正确” 3. 你是否能看到检索过程，还是整个过程像黑箱这层如果没先排好，后面的推理诊断通常会失真。 ### B. `[RE]` 层：材料可能是对的，但系统用错了对应编号： - [No.2](#no2) - [No.3](#no3) - [No.4](#no4) - [No.6](#no6) - [No.10](#no10) - [No.11](#no11) - [No.12](#no12) 这层最常见的误判是： “我以为是检索坏了，其实是后面理解、归纳、逻辑链坏了。” 例如： - 切块是对的，但结论错了 → 常见是 `No.2` - 多步任务中途开始偏 → 常见是 `No.3` - 回答很笃定，但完全站不住 → 常见是 `No.4` - 遇到抽象规则就崩 → 常见是 `No.11` - 陷入循环解释 → 常见是 `No.12` 如果 `[IN]` 层已经基本没问题，答案还是不对，就应该优先回到 `[RE]` 层判断是哪一种塌陷。 ### C. `[ST]` 层：单轮正常，不代表状态层正常对应编号： - [No.7](#no7) - [No.9](#no9) - [No.13](#no13) 这层最常见的误判是： “单轮看起来还行，所以我以为系统没问题。” 其实很多 RAG 地狱不是单轮错误，而是： - 多轮之后前文断掉 - 上下文越来越乱 - 多角色、多代理之间互相覆盖如果你发现： - 第一轮没事，后面越来越歪 - 切换角色后前面的约束消失 - 多个步骤之间状态彼此污染那就不要再只盯着检索条数了，应该直接回到 `[ST]` 层看 `No.7 / No.9 / No.13`。 ### D. `[OP]` 层：别把部署问题误诊成回答问题对应编号： - [No.14](#no14) - [No.15](#no15) - [No.16](#no16) 这层最常见的误判是： “答案不稳定，所以我先去调模型或检索。” 但如果系统根本没有在完整状态下启动，所有上层表现都会像鬼打墙。尤其是这些情况： - 依赖还没就绪，服务先起了 → `No.14` - 多个组件互相等待，长期半可用 → `No.15` - 首次调用就因为版本、密钥、环境没对齐而塌陷 → `No.16` 只要你看到“刚部署最容易出事”“首轮异常最严重”“重启后暂时恢复”，就要优先怀疑 `[OP]` 层，而不是先改提示词或参数。 [返回顶部](#top) | --- ## 六、快速返回 [返回顶部](#top) | [这页怎么用](#how-to-use) | [标签说明](#legend) | [常见症状入口](#symptoms) | [16 问题清单](#map16) | [按层排查](#by-layer)