[Bug]: Inconsistent retrieval results between Knowledge Retrieval Test and Agent Retrieval with identical configurations

问题场景

用户在 RAGFlow v0.26.4 中，使用同一知识库、同一 Embedding 模型（Qwen3 Embedding）和同一 Rerank 模型（Qwen3-Reranker-4B），在“知识检索测试”与“Agent 检索”中配置完全相同的检索参数（包括 Similarity Weight、Top-N、Top-K），但在同一查询下发现两者返回的候选文档和排名顺序不一致，导致无法通过知识检索测试准确评估 Agent 的实际检索表现。

报错原文

[Bug]: Inconsistent retrieval results between Knowledge Retrieval Test and Agent Retrieval with identical configurations

Although both features are expected to use the same retrieval pipeline, the returned Top-N results and ranking order are different for the same query.

原因分析

可能原因：RAGFlow 的知识库检索测试和 Agent 检索虽然在底层都调用同一个核心检索引擎（Dealer.retrieval()，位于 rag/nlp/search.py），但两个功能模块在调用时使用了不同的默认参数值，导致即使界面配置看似一致，实际执行逻辑仍存在差异。主要差异包括：

• vector_similarity_weight：知识库检索测试默认 0.3（30% 向量 + 70% 关键词），而 Agent 检索默认 0.5（50% 向量 + 50% 关键词）。
• top_n：知识库检索测试默认返回 30 条结果，Agent 检索默认仅返回 8 条。

这两个参数差异会直接改变同一条查询的候选文档集合和排序权重，从而造成结果不一致。此外，Agent 检索会自动去除查询中的 user: 前缀，而知识库检索测试支持可选的关键词抽取增强（Agent 不支持），这些预处理差异也可能对结果产生细微影响。

环境排查

• 确认 RAGFlow 版本为 v0.26.4，部署方式为 Docker。
• 确认知识库检索测试与 Agent 检索使用的是同一个知识库。
• 逐一核对以下参数在两个功能中的实际取值（不要只看界面显示，需检查后端默认值）：
  • vector_similarity_weight
  • top_n
  • top_k
  • 是否开启 keyword_extraction 增强
• 检查查询文本是否包含 user: 前缀（Agent 会自动剥离该前缀）。

解决步骤

1. 先检查两个功能当前生效的参数值：知识库检索测试对应后端 api/apps/restful_apis/chunk_api.py，Agent 检索对应 agent/tools/retrieval.py。
2. 手动对齐参数（可优先尝试）：
   • 方式一：在知识库检索测试的 API 或配置中，将 vector_similarity_weight 显式设为 0.5，将结果数量设为 8，使其与 Agent 默认值一致。
   • 方式二：调整 Agent 检索组件的设置，使其匹配知识库测试的 0.3 / 30 参数。
3. 确认查询文本中不存在 user: 前缀，或确保两个功能对查询文本的预处理方式一致。
4. 如需彻底对齐，需确认两个调用路径中其余与检索相关的参数（如 top_k、rerank 开关、关键词抽取开关）均保持一致。

验证方法

在完成参数对齐后，使用同一知识库、同一查询分别运行“知识检索测试”和“Agent 检索”，对比两者返回的候选文档列表、排序顺序以及相似度分数是否一致。若排序和候选集合均相同，则说明问题已解决；若仍存在差异，建议检查查询预处理环节是否有额外差异。

参考来源

infiniflow/ragflow #17296

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。