查询改写与多查询检索

查询改写是把客户的说法整理成更适合资料库查找的词语，同时保留原意。多查询检索用几种表达分别查找，再合并候选。它适合口语、省略和资料术语不同的情况；把“退款”误改成“配送”会让后面的检索走错方向。

用退款资料观察改写

客户说“退钱几天到”。政策写“退款到账”，支付说明写“退回原支付渠道”。程序保留原问句，再按明确的同义短语规则生成两条查询，并把不同路径命中的同一文档合并。

固定资料P1讲退款到账，P2讲退回原支付渠道，P3讲退款申请，D1讲配送。每条资料用空格标出词项，查找时任一词项命中就进入候选。改写不会直接生成退款答案，只改变查找资料用的表达。

保存完整程序并运行

先在 PowerShell 创建并进入学习目录：

mkdir "F:\学习\l5-rewrite" -Force
cd "F:\学习\l5-rewrite"

保存下面的文件后，在这个终端运行 dir 核对文件名，再执行本节给出的运行命令。

新建学习目录，例如 F:\学习\l5-rewrite。将下面代码完整保存为 rewrite_demo.py；代码包含固定资料和运行入口，保存后就能执行。

先在 PowerShell 创建并进入学习目录：

mkdir "F:\学习\l5-rewrite" -Force
cd "F:\学习\l5-rewrite"

保存下面的文件后，在这个终端运行 dir 核对文件名，再执行本节给出的运行命令。

"""保留原始意图，以固定短语规则生成查询并合并文档。"""
DOCUMENTS = {
    "P1": "退款 到账 三至五日",
    "P2": "退回 原支付渠道 三至五日",
    "P3": "退款 申请 订单编号",
    "D1": "配送 两天",
}

def rewrite(question):
    queries = [question.strip()]
    # 短语对应写在规则中；范围仍为退款到账，保留原问句。
    if "退钱" in question and "几天" in question:
        queries.extend(["退款 到账", "退回 原支付渠道"])
    return list(dict.fromkeys(query for query in queries if query))

def retrieve(queries, documents):
    hits = {}
    for query in queries:
        terms = set(query.split())
        for doc_id, text in documents.items():
            if terms & set(text.split()):
                # 按编号去重，同时保留命中路径供排查。
                hits.setdefault(doc_id, []).append(query)
    return sorted(hits.items())

def main():
    question = "退钱几天到"
    queries = rewrite(question)
    print("原问题：" + question)
    for number, query in enumerate(queries, 1):
        print(f"查询{number}：{query}")
    for doc_id, paths in retrieve(queries, DOCUMENTS):
        print(f"候选 {doc_id}；命中路径：" + " / ".join(paths))

if __name__ == "__main__":
    main()

在保存文件的文件夹地址栏输入 powershell 并回车，再执行：

macOS：先在 Python 篇的学习文件夹中打开终端，执行 source .venv/bin/activate。再输入 cd ，把当前例子的文件夹拖入终端并回车，运行下面的命令。

cd "F:\学习\l5-rewrite"
ls
python -X utf8 rewrite_demo.py

使用其他目录时，把第一行换成自己的路径。dir 应能列出 rewrite_demo.py。终端输出如下：

原问题：退钱几天到
查询1：退钱几天到
查询2：退款 到账
查询3：退回 原支付渠道
候选 P1；命中路径：退款 到账
候选 P2；命中路径：退回 原支付渠道
候选 P3；命中路径：退款 到账

原问句没有空格切词，无法直接命中按空格分开的业务词项；“退款 到账”找到P1和P3，“退回 原支付渠道”补回P2。候选列表每个编号只出现一次，后面记录是哪条查询找到它。P3只匹配退款而非到账，需要在重排时进一步区分。

多条查询怎样保持一个问题

rewrite首先保存原问题，再检查明确短语是否满足条件。dict.fromkeys保持第一次出现的顺序并去重。原问题留在第一条路径，便于对照改写是否改变了商品、时间、订单号或用户限制；额外路径补齐资料里常用的业务表达。

retrieve按每条查询分别做词项匹配，用文档编号合并命中。同一篇资料被三种说法找到，仍是一份资料；保留命中路径可以查清是哪条改写扩大了候选范围。只合并结果并不保证排序合理，可进一步用RRF名次融合或统一重排。

模型改写可以处理更多口语，但也会补出客户没有说的事实。订单号和金额宜作为必须保留字段；“不要退回原卡”这样的否定条件必须留住；问题缺少订单状态时，先追问比猜测已发货更可靠。改写后的查询应与原问题一起记录，权限过滤仍基于当前身份。

多轮对话中的“那要多久”需要结合前文确认“那”指退款还是配送。对复杂问题可拆成“申请条件”和“到账时间”分别查找，再组合依据。HyDE通常译为“假设文档嵌入”：先生成一段假设答案，把它转换成向量辅助检索，再用实际找到的原文组织答案。

查询数增加会扩大召回，也增加延迟、费用与无关候选。固定最多生成几条、保留候选上限，按标注问题集检查多查询是否补回正确依据。当前规则是确定性短语替换，结果可逐项复查；学习型改写需要另做意图保持与质量检查。

改一处输入，核对机制变化

将 main 的问题改为 "配送几天到"，运行 python -X utf8 rewrite_demo.py。只保留一条原问句，没有退款改写和候选；当前按空格切词的检索也不会自动把口语切成“配送”。恢复退钱几天到再重跑，三条查询和P1、P2、P3恢复。

运行配套检查

把下面测试保存为 test_rewrite_demo.py，与主程序放在同一目录。5项测试检查上面的实际处理结果，也覆盖意图保留、路径去重和无命中。

"""核对查询改写与多查询检索的正常结果与具体边界。"""
import unittest
import rewrite_demo as demo


class DemoTests(unittest.TestCase):
    def test_original_query_is_preserved(self):
        # 原问句保留，再补两种业务表达。
        self.assertEqual(demo.rewrite("退钱几天到"), ["退钱几天到", "退款 到账", "退回 原支付渠道"])

    def test_irrelevant_question_does_not_become_refund(self):
        # 配送问题不会被改成退款问题。
        self.assertEqual(demo.rewrite("配送几天到"), ["配送几天到"])

    def test_multi_query_deduplicates_document_ids(self):
        # 候选按编号去重，但保留两条命中路径。
        hits = demo.retrieve(["退款", "退款 到账"], demo.DOCUMENTS)
        self.assertEqual([key for key, _ in hits], ["P1", "P3"])
        self.assertEqual(len(dict(hits)["P1"]), 2)

    def test_rewrite_recovers_payment_channel_wording(self):
        # 改写确实补回原支付渠道资料。
        self.assertIn("P2", dict(demo.retrieve(demo.rewrite("退钱几天到"), demo.DOCUMENTS)))

    def test_empty_and_unmatched_query(self):
        # 空问题与无匹配问题不会编造候选。
        self.assertEqual(demo.rewrite("  "), [])
        self.assertEqual(demo.retrieve(["海外"], demo.DOCUMENTS), [])


if __name__ == "__main__":
    unittest.main()

python -X utf8 -m unittest -v test_rewrite_demo.py

测试名称后应显示 ok，末尾是 Ran 5 tests 和 OK。

运行时怎样定位问题

多查询补回候选后，重排继续区分哪份真正回答当前问题。

参考阅读：LlamaIndex 源码与检索流程。阅读时可以沿文档、节点、索引和检索入口对照这里的数据流。

下一篇：重排、过滤与上下文压缩。