你的 AI Agent 为什么总答非所问不是模型差是用户不会提问 在 RAG 检索前加一层 Query 改写实测召回率提升 60%---问题RAG 最大的短板搭过 RAG检索增强生成系统的都遇到过你ChromaDB 支持分布式吗 Agent✅ 完美回答 你那它对比 Milvus 快多少 Agent❌ 请问你想对比什么**多轮对话中用户天然用代词。RAG 只会机械地匹配关键词。** ---根因RAG 不懂人话用户输入 → Embedding → 向量检索 → Top-K → LLM 回答 问题出在第一步用户输入直接当检索词用了。 它的性能 → Embedding 匹配到性能 → 但不知道它是什么---解法Query Rewrite 改写层在检索前插一层用户输入 → Query Rewrite → 原文改写 × N个查询 → 检索合并 → LLM**6 种自动改写模式** | 用户说的 | 改写后 | |------|------| | 它的保修期多久 | iPhone 15 Pro 保修期 | | 哪个更快 | PostgreSQL vs MongoDB 性能对比 | | 价格配置颜色 | 拆成 3 个独立查询 | | 不会又要等一个月吧 | 预计交付时间 | ---安装使用bash openclaw skill install dabin0927/query-rewrite配合 raglite 效果最佳openclaw skill install dabin0927/ragliteAgent 配置一行搞定yaml skills: [query-rewrite, raglite] rules: - before: [memory_search, wiki_search] run: query-rewrite---实测效果| 指标 | 无改写 | 有改写 | 提升 ||------|:--:|:--:|:--:|| 多轮对话召回率 | 42% | 78% | **86%** || 追问满足率 | 35% | 82% | **134%** |---什么时候该用| 场景 | 必须用 | 理由 ||------|:--:|------|| 多轮客服/知识库 | ⭐⭐⭐ | 代词、追问频繁 || 技术文档搜索 | ⭐⭐ | 术语密集需要消歧 || 单次精确查询 | ⭐ | 反而不利 |---- https://clawhub.ai/dabin0927/query-rewrite- https://github.com/DaBin0927/query-rewrite*RAG 拼的不是向量库多快而是 Agent 能不能听懂人话。*