- 问题描述：在初期版本中，我的初始思路是将question.txt利用正则匹配，按照编号切割（每一个数据含有问题和答案），并将其向量化。这导致当我提问时“学校在哪”时，向量模型会计算整个长段落的特征，回答相对于问题而言变成了干扰词，稀释了问题的权重，导致检索不到正确片段
2.分析原因：起初想通过向量模型回复多个问题解决（扩大选择），结果权重的稀释导致扩大选择也无济于事，将问题和答案封装在一起导致答案反而成为了噪点。
3.解决方案：修改了 document() 函数，引入 QA 剥离逻辑：
利用 re.split(r'\n(?=\d+.)', chunk) 进行块切割。
利用 line = item.split("\n", 1) 剥离出第一行作为 ques_ (检索键)。
解耦存储：FAISS 库仅存储 ques_ 的向量，而 pkl 存储完整的 item。
最终效果： 检索项变得极其纯净，用户提问与库中问题的匹配度显著提升，解决了“答非所问”的问题。
2.分析原因：起初想通过向量模型回复多个问题解决（扩大选择），结果权重的稀释导致扩大选择也无济于事，将问题和答案封装在一起导致答案反而成为了噪点。
3.解决方案：修改了 document() 函数，引入 QA 剥离逻辑：
利用 re.split(r'\n(?=\d+.)', chunk) 进行块切割。
利用 line = item.split("\n", 1) 剥离出第一行作为 ques_ (检索键)。
解耦存储：FAISS 库仅存储 ques_ 的向量，而 pkl 存储完整的 item。
最终效果： 检索项变得极其纯净，用户提问与库中问题的匹配度显著提升，解决了“答非所问”的问题。