为支付规则构建 RAG 助手：表格索引与多工具检索实践

In The Pocket 的 Eleonora Drykina 与 Nina Žižakić 介绍为一家匿名比利时支付客户构建的 RAG 助手，语料约 270 份 PDF、6000 页，大量关键信息位于表格中。其索引流程保留章节路径与 chunk 顺序以重建较大段落，并将表格转为 CSV 同时保留标题与值的对应关系。dense retrieval 结合 BM25 后，在 63 个问题上把检索命中率从 92% 提升到 97%，但该指标衡量的是检索而非完整答案正确性。服务端 Agent 可通过四个工具扩大检索范围，从搜索结果扩展到章节、整份文档和多本规则手册，并设置限制避免超大规则手册淹没上下文，提示词要求 Agent 重新判断额外工具调用是否带来新证据。

AI推荐理由 来自 AI Engineer 频道的技术分享，给出具体工程细节：约 270 份 PDF、6000 页的支付规则语料，表格转 CSV 并保留标题与值的关联，索引保留章节路径与 chunk 顺序以重建大段落；dense retrieval 结合 BM25 在 63 个问题上把检索命中率从 92% 提升到 97%。局限是 97% 只衡量检索而非完整答案正确性，样本仅 63 题，且客户匿名，无法独立验证。对做 RAG 与 Agent 工具调用的开发者有直接参考价值。