名词术语表

附录 · 参考材料 ｜ 服务于全生命周期各篇（01~11）｜ 按类别速查，解释保持一句话，详见对应篇目

一、基础概念

术语	全称/英文	解释	详见
RAG	Retrieval-Augmented Generation	检索增强生成：先检索资料再交给大模型作答	01
LLM	Large Language Model	大语言模型，如 Qwen、DeepSeek、GPT	01
Token	—	模型处理文本的最小单位，约等于 0.5~1.5 个汉字，计费与上下文长度都按它算	01
幻觉	Hallucination	模型生成无依据或与事实冲突的内容；RAG 提供证据，但仍需忠实度校验与拒答策略	01
知识截止	Knowledge Cutoff	模型训练数据的时间边界，之后的事它不知道	01
微调	Fine-tuning	用自有数据继续训练模型；管"怎么答"，与 RAG（管"答什么"）互补	01
私有化部署	On-Premise	系统部署在自有或受控环境；是否数据不出域还取决于模型、Embedding、日志和外部连接配置	02
Prompt	提示词	给模型的输入指令与上下文；RAG 中=指令+检索切片+问题	06
Temperature	—	控制采样随机性的参数之一；低值通常更稳定，但不能保证事实正确，具体范围按模型与评测结果确定	06

二、模型与向量化

术语	全称/英文	解释	详见
Embedding	嵌入/向量化	把文本映射成高维数字向量，语义相近则向量相近	01/05
向量维度	Dimension	向量的数字个数，如 bge-large 为 1024 维；建库后不可中途更换模型	05
余弦相似度	Cosine Similarity	衡量两个向量方向是否接近，1 最相似；检索打分的标准算法	05
L2 归一化	Normalize	把向量长度缩放为 1，之后内积=余弦相似度，计算更快	05
Cross-Encoder	交叉编码器	把问题和切片拼在一起整体打分的精排模型，准但慢（Rerank 的原理）	06
BGE / M3E	—	常用开源中文 Embedding 模型系列，可私有化部署	02
TEI	Text Embeddings Inference	HuggingFace 出的 Embedding 推理服务，批量编码高性能	04
vLLM	—	面向 LLM 服务的推理引擎之一，是否采用应结合模型兼容性、吞吐、延迟和运维要求评估	04/10
Ollama	—	本地一键跑开源模型的工具，开发测试环境常用	04
KV Cache	—	LLM 推理时的显存缓存，并发越多占用越大，是显存规划关键	10

三、入库流水线

术语	全称/英文	解释	详见
解析	Parsing	从 PDF/Word 等格式中提取结构化文本（正文、表格、标题层级）	05
OCR	Optical Character Recognition	光学字符识别：扫描件/图片 → 文本	05
版面分析	Layout Analysis	识别页面元素（正文/表格/页眉页脚/水印），决定哪些留哪些扔	05
文本层	Text Layer	PDF 内嵌的可复制文字；无文本层或过少才走 OCR	05/07
切片	Chunking	把长文档切成适合检索的片段，是检索质量的第一决定因素	05
chunk_size	—	单个切片的目标长度，应按文档结构、模型 token 口径和评测结果选择	05
overlap	重叠	相邻切片重复的内容，可降低边界截断风险，也可能制造重复召回，需要实验确定	05
递归分割	Recursive Splitting	按 段落→句子→字符 逐级降级切分，尽量保住语义完整	05/07
语义切片	Semantic Chunking	用向量相似度找语义突变点来断句，比固定长度更聪明	05
父子切片	Parent-Child Chunk	小切片用于检索（准），命中后取其父切片喂给模型（上下文全）	05
元数据	Metadata / Payload	随切片存储的文档名、页码、部门、密级等信息，支撑引用展示与权限过滤	05/03
幂等	Idempotency	同一操作重复执行结果不变；用"doc_id:chunk_index"做向量 ID 实现重复入库即覆盖	03/07
内容哈希	SHA256	文件内容的指纹，用于判重复上传	07
魔数校验	Magic Number	读文件头字节判断真实格式，防止改扩展名伪装（.exe 改 .pdf）	07
索引	Indexing	向量+原文+元数据写入向量数据库，建立可检索结构	05

四、检索与生成

术语	全称/英文	解释	详见
查询改写	Query Rewrite	把口语化提问改成检索友好的规范表述	06
多查询扩展	Multi-Query	LLM 生成多个角度的查询分别检索再合并，提升召回	06
HyDE	Hypothetical Document Embeddings	先让 LLM 编一个假设性答案，拿它去检索（答案比问题更像原文）	06
混合检索	Hybrid Search	向量检索（语义）+ BM25（关键词）两路并发再融合	05/06
BM25	—	经典关键词相关性打分算法，精确命中术语/文号/人名	06
倒排索引	Inverted Index	"词 → 包含它的文档"的索引结构，ES/BM25 的底层	06
RRF	Reciprocal Rank Fusion	多路检索结果融合公式：score=Σ 1/(k+rank)，k 常取 60	06/07
重排	Rerank	用 Cross-Encoder 对粗排候选精排，把最相关的顶到前面	06
粗排/精排	—	粗排=向量库快速捞出 top20~50；精排=Rerank 选出 top3~8 进 Prompt	06
top_k	—	检索返回的前 K 条结果数；K 大召回高但噪声与 token 成本也高	06
拒答	Refusal	检索无结果或相关度过低时回答"未找到相关内容"，禁止硬编	06
引用溯源	Citation	答案标注资料来源（文档名+页码），可信度的关键	06
SSE	Server-Sent Events	服务器单向推送协议，实现打字机式流式输出	06/07
兜底/降级	Fallback	上游异常时的保底策略，如 LLM 超时则返回纯检索结果	06
Prompt 注入	Prompt Injection	用话术诱导模型无视规则（"忽略之前的指令…"），安全测试必测	08

五、测试与评测

术语	全称/英文	解释	详见
评测集	Golden QA Set	人工整理的"问题+标准答案+标准切片"集合，效果回归的考卷	09
golden_chunks	—	评测集中某问题应该命中的标准切片，用于计算检索指标	09
Recall@K	召回率	前 K 条检索结果命中了多少标准切片，检索质量核心指标	09
Precision@K	精确率	前 K 条里有多少是相关的	09
MRR	Mean Reciprocal Rank	标准切片排得越靠前分越高，衡量排序质量	09
NDCG@K	—	带位置衰减的排序质量指标，方案对比常用	09
Hit Rate	命中率	有没有命中（二值），最直观的底线指标	09
忠实度	Faithfulness	答案是否严格基于检索资料、无编造，幻觉的量化指标	09
幻觉率	Hallucination Rate	答案中编造内容的比例，越低越好	09
Ragas	—	开源 RAG 自动化评测框架，用 LLM 给忠实度/相关性打分	09
基线	Baseline	首次评测建立的指标基准，后续所有变更与它对比	09
回归评测	Regression Eval	任何链路变更（切片/Prompt/模型）后重跑评测集，不低于基线才放行	09/10
准入/准出	Entry/Exit Criteria	测试开始与结束的判定标准（如 P0 用例 100% 通过）	08
用例八要素	—	用例编号、模块、标题、优先级、前置条件、测试数据、操作步骤、预期结果	08
坏例回流	Bad Case Loop	线上差评问答 → 归因 → 修复 → 加入评测集 → 回归 的闭环	11

六、存储与中间件

术语	全称/英文	解释	详见
向量数据库	Vector Database	专为向量相似度检索设计的数据库	01/05
Milvus	—	开源分布式向量库，大规模生产主流选择	02
Qdrant	—	轻量开源向量库，单容器即可跑，中小规模推荐	02/04
PGVector	—	PostgreSQL 的向量检索插件，已有 PG 的团队低成本选择	02
FAISS	—	Facebook 开源的向量检索算法库（库非服务），适合实验	02
MinIO	—	开源对象存储（兼容 S3 协议），存文档原件，是全量重建的底气	04/10
ES	Elasticsearch	分布式搜索引擎，提供 BM25 关键词检索，混合检索的关键词路	06
Redis	—	内存数据库，本系列中做任务队列与缓存	03/04
MySQL	—	关系型数据库，存文档/任务/切片等元数据	03
ORM	Object-Relational Mapping	代码对象与数据库表的映射框架（如 SQLAlchemy）	07
DDL	Data Definition Language	建表语句，03 篇含全套表结构	03
Celery	—	Python 分布式任务队列，入库流水线的异步执行框架	03/07
消息队列	MQ	异步解耦组件（Kafka/RabbitMQ），文档接收分发的通道	05

七、部署与运维

术语	全称/英文	解释	详见
Docker / Compose	—	容器化部署；Compose 用一个 YAML 编排多容器	04/10
K8s	Kubernetes	容器编排系统，可提供调度、自愈和扩缩容；是否需要取决于规模与运维能力	10
HPA	Horizontal Pod Autoscaler	K8s 水平自动扩缩容，按 CPU 等指标自动加减副本	10
Nginx	—	反向代理网关：HTTPS、限流、负载均衡；SSE 必须关缓冲	10
CI/CD	Continuous Integration/Delivery	持续集成/交付流水线：lint→测试→构建→部署	10
评测卡点	Eval Gate	RAG 特有 CI 阶段：链路变更必须过评测集回归才能上线	10
ConfigMap / Secret	—	K8s 的配置与密钥管理对象；密钥不进代码、不进镜像、不打日志	10
Prometheus / Grafana	—	监控指标采集与可视化大盘的标准组合	10/11
健康检查	Health Check	定期探测服务存活，失败自动重启/摘除流量	10
灰度发布	Canary Release	新版本先给小部分用户（10%→50%→100%），有问题影响可控	10
蓝绿部署	Blue-Green	新旧两套环境并存，验证通过后切流量，回滚极快	10/11
回滚	Rollback	出问题时恢复上一已验证版本；所需时间由部署方式、数据变更和演练结果决定	10
P95	95th Percentile	95% 的请求都快于该值，比平均值更能反映体验	08/10
RPO	Recovery Point Objective	数据可容忍的最大丢失时间窗口（如 binlog 实时=RPO≤5min）	10

八、框架与工具速查

术语	解释	详见
LangChain	组件最全的 LLM 应用编排框架，代码级灵活	02/04
LlamaIndex	专注数据索引与检索的 RAG 框架	02
RAGFlow / Dify / MaxKB / FastGPT	开源成品知识库平台，开箱即用适合私有化快速落地	02
FastAPI	Python 高性能 Web 框架，本系列应用层选型	07
PaddleOCR	百度开源 OCR，中文识别强、可私有化	02/04
Tesseract	老牌开源 OCR，中文效果一般	02
PyMuPDF / pdfplumber	PDF 解析库；前者快、后者表格抽取好	04/05
Unstructured / Tika	通用多格式解析框架，一套 API 吃几十种格式	05
pytest	Python 测试框架，配 coverage 统计覆盖率	07
Trivy	容器镜像漏洞扫描，高危阻断进 CI	10

说明 使用说明

• 遇到陌生名词先查本表，按"详见"列跳到对应文章展开
• 各篇新增术语时，随手补充到本表对应分类，保持同步