系列导航

• 第 0 章 前言：为什么企业 AI 工程师必须掌握 RAGFlow
• 第 1 章：安装部署与基础配置**——从零跑通第一个 RAG Pipeline
• 第 2 章：RAGFlow RAGFlow 代码介绍
• 第 3 章：攻克企业复杂文档——理解 DeepDoc、Naive、MinerU 与 Docling 的区别
  • 第一节 RAGFlow 配置参数全景图与实验结论
  • 第二节 实验Chunk Method (解析方法与布局识别)
  • 第三节 实验Chunk Token Num & Overlap (切片与重叠)
  • 第四节 实验Similarity Threshold (相似度阈值)（本文）
  • 第五节 实验Vector/Keyword Weight (混合搜索权重)
  • 第六节 MinuerBridge安装配置与运行使用
• 第 4 章：理解 Agentic RAG 核心——定义与低代码实现
• 第 5 章：工作流编排——构建基于图（Graph）的 RAG
• 第 6 章：Deep Research 模板应用——部署自动拆解子问题的深度研究智能体
• 第 7 章：企业级扩展——API 接入与外部工具集成（MCP）
• 第 8 章：评估与复盘——从"玄学"到量化 RAG 性能指标评测

1. 官方定义与通俗理解

官方定义：用于过滤检索结果的最低分数线，通常基于向量相似度（余弦相似度等）。
通俗理解：这是知识库的 “拒载线”。

• 如果你的知识库里都是干货，阈值可以设低一点。
• 如果你的知识库里有很多杂质，或者你发现 AI 经常胡言乱语（幻觉），那就把阈值调高，宁可让它说“不知道”，也别让它“瞎胡说”。

2. 核心架构流转图 (Retrieval Filter)

下面的流程图展示了 RAGFlow 如何在检索过程中应用这个“漏斗”：

3. 关键代码位置证明

在 rag/nlp/search.py 的 retrieval 函数中：

• (Line 394): req["similarity"] = similarity_threshold 将参数传给底层的向量引擎（如 Infinity）。
• (Line 438-439): post_threshold = 0.0 if vector_similarity_weight <= 0 else similarity_threshold 处理了混合搜索下的阈值兼容性。
• (Line 440): valid_idx = [int(i) for i in sorted_idx if sim_np[i] >= post_threshold] 这里是最后的断头台，不达标的块直接被排除出 valid_idx。

4. 实验测试方案：如何感受“水线”的高低？

本实验旨在观察阈值如何平衡 “召回率（Recall）” 和 “准确率（Precision）”。
这里使用贴近真实企业业务文档的火电厂知识库。
真实业务里的问题往往不是“完全相关”和“完全无关”的区别，而是：

召回内容都属于同一个业务领域，但有些内容属于运行处置，有些内容属于检修分析。
如果混在一起回答，就会造成职责边界不清。

---

A. 实验数据源准备

本实验使用一个火电厂业务知识库，知识库中包含两个文档：

• 运行侧文档：火电厂机组运行规程与异常处置手册
• 检修侧文档：火电厂设备检修维护与缺陷闭环管理规定

两个文档都包含“凝汽器真空下降”相关内容。
运行侧文档关注：

• 运行人员先检查什么；
• 是否需要降负荷；
• 循环水泵、真空泵、轴封压力、凝汽器水位等运行参数；
• 真空严重下降时禁止继续升负荷。

检修侧文档关注：

• 真空下降的检修原因分析；
• 真空系统漏空气；
• 凝汽器管束污染；
• 低压加热器泄漏；
• 氦检、灌水查漏、听音、肥皂水查漏等方法。

这里的“噪声数据”不是无关垃圾文档，而是 同领域、强相关、但回答场景不同的文档。

---

B. 参数对比设置

针对同一个问题进行测试：

凝汽器真空下降应该怎么处理？

这个问题故意没有限定：

• 是运行人员处理；
• 还是检修人员处理；
• 是事故初期处置；
• 还是后续查漏消缺。
  因此，它可以很好地观察不同阈值下，系统是否会把运行处置和检修分析混在一起。
  本次测试设置三组参数：

1. 宽松组：Similarity Threshold = 0.05
2. 适中建议组：Similarity Threshold = 0.30
3. 极度严格组：Similarity Threshold = 0.70

---

C. 测试结果与预期结论

1. 宽松组：Similarity Threshold = 0.05

测试现象：
系统能够召回运行侧内容，例如：

• 检查循环水泵运行状态；
• 检查循环水入口压力；
• 检查凝汽器循环水进出口温差；
• 检查真空泵运行状态；
• 检查轴封供汽压力；
• 检查凝汽器水位和热井水位；
• 必要时降低机组负荷；
• 严禁在真空严重下降时继续升负荷。
  但同时也召回了检修侧内容，例如：
• 真空系统漏空气；
• 凝汽器管束污染；
• 低压加热器泄漏；
• 氦检；
• 灌水查漏；
• 听音；
• 肥皂水查漏。

结论：
0.05 能保证召回，但召回范围偏宽，容易把运行处置和检修分析混在一起。
这说明低阈值并不一定导致完全错误，但会增加弱相关内容进入上下文的概率。

---

2. 适中建议组：Similarity Threshold = 0.30

测试现象：
系统仍然能够召回运行侧核心内容，包括循环水泵、真空泵、轴封压力、凝汽器水位、低压缸排汽温度、降负荷等处置要求。
同时，系统也保留了部分检修侧原因分析，例如：

• 循环水流量不足；
• 真空系统漏空气；
• 凝汽器水位过高；
• 真空泵效率下降；
• 低压加热器泄漏；
• 凝汽器管束污染。
  但是相比 0.05，它没有继续展开氦检、灌水查漏、听音、肥皂水查漏等具体检修方法。

结论：
0.30 能够保留主要相关内容，同时减少部分弱相关检修细节。
对于当前这组火电厂知识库来说，0.30 比 0.05 更收敛，也比 0.70 更稳定，可以作为较合适的初始基准值。

---

3. 极度严格组：Similarity Threshold = 0.70

测试现象：
系统返回：

没有找到

结论：
知识库中明明存在相关内容，但由于阈值设置过高，相关 chunk 没有通过过滤，最终导致系统无法召回答案。
这说明 Similarity Threshold 不是越高越好。
阈值过高会降低召回率，甚至出现：

文档中有答案，但系统说没找到。

---

D. 综合结论

本次测试结果可以总结为：

阈值	现象	结论
0.05	能召回较多内容，但运行处置和检修分析混在一起	召回充分，但边界偏宽
0.30	能召回核心内容，并减少部分检修细节	当前测试中较均衡
0.70	直接返回“没有找到”	阈值过高，漏召回

因此，对于当前企业文档测试知识库：

Similarity Threshold = 0.30

是一个更合理的初始基准值。

---

5. 总结建议

Similarity Threshold 没有绝对通用的行业标准。
它会受到以下因素影响：

• embedding 模型；
• chunk size；
• chunk overlap；
• 是否启用混合检索；
• 是否启用 rerank；
• Top N 设置；
• 文档内容是否同质化；
• 用户问题是否明确；
• 业务是否允许误答。
  因此，不建议直接套用固定值，而应该基于真实知识库和真实问题做小样本验证。
  结合本次测试，可以采用下面的调参策略：
• 初期调试：可以先设为 0.05 左右，用来观察系统到底召回了哪些内容。
• 常规起点：建议从 0.20 - 0.30 开始测试。
• 专业知识库：例如运行规程、检修规程、安全制度、API 文档，可以尝试 0.40 - 0.50。
• 不建议直接设置过高：例如 0.70，除非已经确认不会造成漏召回。
  对于本次企业知识库，推荐初始值为：

Similarity Threshold = 0.30

后续可以按下面规则微调：

• 如果回答经常混入检修查漏、拆检、堵管等非当前场景内容，可以提高到 0.40 - 0.50。
• 如果经常出现“文档里有答案，但系统没找到”，应降低到 0.20 - 0.30。
• 如果只是调试召回范围，可以临时使用 0.05。
• 不建议盲目使用 0.70，因为它可能直接过滤掉真实相关内容。