RAG 闭环：基于 DeepEval 的测试结果，反向优化切词策略与 Prompt

别再“盲调”RAG了，用数据驱动你的每一次优化

前言：RAG 项目落地，为什么总有种“玄学”感？

“明明换了更好的 Embedding 模型，效果怎么还倒退了？”

“调整了 chunk_size，Faithfulness 上去了，Answer Relevancy 反而掉下来了。”

“Prompt 加了一堆指令，模型该幻觉还是幻觉。”

这些场景，每一个做过 RAG 落地的开发者都不会陌生。当我们把文档塞进向量库，把 RAG 跑起来，紧接着就是一场漫长而痛苦的“盲调”——靠直觉调整参数、凭经验修改 Prompt，每次都像在黑暗中摸索开关，不知道哪一个才是对的。

这种困境的根源是什么？根据一篇 2026 年 3 月发表在 IEEE 的文献综述的总结，尽管检索增强生成在过去几年经历了爆发式发展，但标准化的 RAG 评估框架仍然缺失，这使得开发者难以科学地衡量和改进他们的 RAG 系统。

好消息是，局面正在改变。以 DeepEval（2026 年 5 月刚发布 4.0 版本）和 RAGAS 为代表的 LLM 评估框架正在成熟。但测评本身只是手段，真正的价值在于“闭环”——基于量化的测评结果，反向指导我们优化 RAG 系统中两个最关键的环节：切词策略（Chunking）与 Prompt 设计。

本文将手把手带你搭建这个闭环，让 RAG 优化从此告别“玄学”，进入“数据驱动”的新范式。