RAG检索效果不佳，常因用户提问口语化。查询改写作为关键“翻译官”，能将模糊输入转化为机器精准理解的指令，是提升AI产品智能度的核心技术。
智能速览
查询改写是提升RAG效果的关键环节，解决用户口语化输入问题。
掌握同义词改写、查询扩展、抽象化等六大核心策略。
利用HyDE策略，通过生成假设答案来反向检索，提升匹配精度。
产品经理的核心价值在于通过提示词工程，智能编排这些改写策略。
精华内容
面对用户千变万化的口语提问，如何让机器精准理解？关键在于掌握一套系统的查询改写策略，为AI配备一个强大的“翻译官”。
基础改写技巧
最基础的策略是同义词与句式改写。例如，用户口语化提问“我卡里还剩几个字儿”，系统无法理解“字儿”的含义。通过改写为“查询银行卡账户余额”，意图瞬间清晰了100倍。
另一个策略是查询扩展，用于信息不足的查询。如用户只输入“信用卡推荐”，范围太广。通过主动补充“年费、权益、额度”等关键词，系统才能找到更贴合用户潜在需求的答案。
意图精准捕捉
抽象化重写策略擅长剥离个人化细节，直击核心问题。面对用户抱怨“我工资二号发的，今天都五号了，怎么还没到账？”，系统会忽略“二号”、“五号”等噪音，将其抽象为“工资延迟到账原因查询”，从而转为一个可解决的普遍性问题。
多轮对话上下文补全则针对追问场景。当用户在“这台电脑要9000块”后接着问“那这个能分期吗？”，系统需补全上下文，将其改写为“价格为9000元的电脑是否可以办理分期付款”，确保问题独立性。
高级策略应用
当一个问题包含多个意图时，需进行复杂问题拆解。例如，用户提问“查一下我的信用卡还款日，顺便看看最低还款额”，应将其拆分为“查询信用卡还款日”和“查询信用卡最低还款额”两个独立任务，以便系统精准处理。
最巧妙的策略是假设性文档嵌入。它不直接用问题搜索，而是先让大模型根据问题生成一个理想的答案，再用这个“假设答案”的向量去知识库匹配真实文档。因为一个好答案包含的关键词和语境远比问题丰富，因此命中率反而更高。
智能策略编排
真正的挑战在于如何让AI自动选择最佳改写策略。这并非依靠复杂代码，而是通过提示词工程实现。设计一个大师级的Prompt，通常包含五个核心要素：清晰的角色定义（如查询优化专家）、明确的目标说明、可供选择的策略列表、提供范例以及要求结构化输出（如JSON格式）。
AI产品经理的核心价值，正是设计这套选择与编排的底层逻辑，定义不同场景下的策略优先级，这才是构建真正智能AI产品的精髓。
掌握这些改写策略，意味着从技术使用者转变为系统设计者。如何更精准地判断用户意图，设计出无感的智能交互，将是AI产品经理持续探索的命题。
