这道题考的是 RAG 检索系统中相似度阈值的作用机制和调优策略。面试官想看你能不能把"检索质量门控"这个核心概念讲清楚，知道阈值设置不当会引发什么后果，以及怎么在实际场景中调优。
我从四个方面来讲：阈值是什么、过高会怎样、过低会怎样、以及怎么设置才是合理的。
1. 相似度阈值是什么——RAG 检索的"质量闸门"
先说个场景。你问 AI："公司去年营收是多少？"
系统会先把你的问题转成向量，然后在知识库里找跟它最相似的文档片段。这个"相似程度"就是用相似度分数来衡量的，分数越高说明越相关。
相似度阈值，就是一道及格线。 只有分数超过这条线的文档，才有资格被召回、参与后面的生成。
打个比方。餐厅设了个"最低消费 200 元"，没达到这个金额的顾客，不管你多饿，对不起，不接待。阈值就是这个"最低消费"，把不达标的候选文档直接拦在门外。
RAG 的检索流程是这样的：
你的问题 → 编码成向量 → 在向量数据库里做相似度搜索 → 用阈值过滤 → 召回达标的文档 → 传给大模型生成
阈值就在第三步起作用。 它决定了最终召回的文档质量：设得高，召回少但精；设得低，召回多但杂。
2. 阈值过高的后果——检索"饿死"
阈值设太高，最直接的问题就是：符合条件的文档太少，甚至没有。
比如你设了个 0.95，库里的文档最高分才 0.87，那对不起，召回结果是空的。
这叫什么？检索饿死。
大模型收不到任何知识库的内容，只能靠自己的"记忆"来回答。它不知道自己记的对不对、准不准，就容易瞎编——这就是幻觉。
你问它："我们公司年报里提到的核心客户有哪些？"
它看了一眼空白的上下文，心虚但嘴硬："根据年报，公司核心客户包括 XX 集团、YY 有限公司等。"
这些客户可能根本不存在，或者把 A 公司的数据安到 B 公司头上。
阈值过高的典型表现：
- 召回文档数量为 0，或者只有 1-2 条
- 模型回答明显在"凭感觉"
- 回答内容与知识库实际内容不符
3. 阈值过低的后果——召回"淹没"
另一个极端，阈值设太低会怎样？
你设了个 0.3，结果召回了一大堆八竿子打不着的文档。相关性 0.35 的、0.4 的，都放进来了。
这叫什么？召回淹没。
噪音文档太多，有用的信息被稀释了。大模型的上下文窗口是有限的，塞进去一堆无关内容，真正相关的知识反而没位置了。
打个比方。你写简历，把所有投递过的岗位JD、面试记录、培训笔记全塞进去，HR 打开一看：这是啥？根本找不到重点。
上下文污染就是这样。有用信息被淹没在噪声里，大模型分不清主次，回答质量自然下降。
阈值过低的典型表现：
- 召回文档数量暴增，但质量参差不齐
- 回答变得冗长、抓不住重点
- 大模型被无关信息误导，答非所问
4. 阈值设置实战——找到动态平衡点
说了这么多，到底怎么设？
没有标准答案。 阈值设多少，取决于你的场景、切片策略、embedding 模型等多个因素。
调优方法就一个：用评测集反复试。
具体流程：
准备评测集。收集一批典型问题，每个问题标注好"正确答案需要参考哪些文档片段"。
批量测试。在不同阈值下（比如 0.5、0.6、0.7、0.8）跑一遍，看召回率和准确率的变化。
找到拐点。召回率开始明显下降的那个点，往往就是合理阈值附近。
上线后持续监控。用户query的分布可能变化，需要定期调整。
这里有个关键点：阈值不是孤立的。切片策略会直接影响阈值有效性。
切片太短，语义不完整，相关文档的相似度分数可能偏低，设高阈值容易误杀。
切片太长，噪声多，即使语义不相关也可能拿到不低的分数，设低阈值容易误召。
所以调阈值的时候，记得看看切片策略是不是合理。
配合其他优化手段效果更好。
预检索优化：查询改写、HyDE，让问题更容易匹配到正确答案。
后检索优化：重排（让更相关的文档排前面）、上下文压缩（去掉冗余内容）。
这些手段配合阈值使用，比单纯调阈值效果强得多。
面试怎么答
基础版（直接背）：
相似度阈值是向量检索的过滤条件，决定了哪些文档有资格被召回参与生成。阈值设太高，低于阈值的文档全被过滤，可能召回为空，大模型就只能靠自身知识回答，容易产生幻觉。阈值设太低，召回了大量不相关的噪声文档，有用信息被稀释，上下文污染严重。实际调优需要结合评测集，在召回率和准确率之间找平衡，同时配合切片策略、预检索和后检索优化一起调整。
加分版（加这些细节）：
阈值不是孤立存在的，需要跟切片策略配合优化。切片过短会导致语义不完整，相关文档的相似度分数偏低；切片过长会引入噪声。实际项目中建议用评测集驱动调优，找到召回率和准确率的拐点。另外可以引入动态阈值的思路：根据查询类型自适应调整阈值，比如事实类问题设高阈值、开放类问题适当降低。配合预检索（查询改写、HyDE）和后检索（重排、上下文压缩）使用，整体效果比单纯调阈值好很多。
一句话总结
相似度阈值是 RAG 检索的质量闸门，设太高会饿死（召回为空）、设太低会淹没（噪声过多），调优靠评测集驱动，配合切片策略和其他优化手段效果更好。