知识库内容太多之后，就会导致回答的准确性下降

[fzcccc]

例行检查

• [x] 我已确认目前没有类似 issue
• [x] 我已完整查看过项目 README，以及项目文档
• [x] 我使用了自己的 key，并确认我的 key 是可正常使用的
• [x] 我理解并愿意跟进此 issue，协助测试和提供反馈
• [x] 我理解并认可上述内容，并理解项目维护者精力有限，不遵循规则的 issue 可能会被无视或直接关闭

你的版本

• [ ] 公有云版本
• [x] 私有部署版本, 具体版本号: 4.8.14

问题描述, 日志截图，配置文件等 知识库内容比较少的时候，回答的准确性很高，一旦知识库导入大量内容之后，就会引用一些无关的内容参与回答，导致回答的结果准确性下降，我用的是混合检索+结果重排，引用上限是2000，各位大佬有没有好的解决办法，谢谢了！ 复现步骤

预期结果

相关截图

[lijiajun1997]

模型的注意力问题，换能力强的模型，并在提示词里约束。 也可以去优化知识库结构，比如不要直接分割，进行QA拆分，或者其他预处理。 你可以人工看下，匹配出来的知识库，是否正确匹配到了相关知识，引用的是相关+不相关，还是全部是不相关。

[fzcccc]

模型的注意力问题，换能力强的模型，并在提示词里约束。 也可以去优化知识库结构，比如不要直接分割，进行QA拆分，或者其他预处理。 你可以人工看下，匹配出来的知识库，是否正确匹配到了相关知识，引用的是相关+不相关，还是全部是不相关。

我用的是glm4，知识库里面的知识全部都是直接分割，有什么更强的模型推荐吗，引进来的知识是相关+不相关，最后回答的结果就会掺杂着不准确

[lijiajun1997]

模型的注意力问题，换能力强的模型，并在提示词里约束。 也可以去优化知识库结构，比如不要直接分割，进行QA拆分，或者其他预处理。 你可以人工看下，匹配出来的知识库，是否正确匹配到了相关知识，引用的是相关+不相关，还是全部是不相关。

我用的是glm4，知识库里面的知识全部都是直接分割，有什么更强的模型推荐吗，引进来的知识是相关+不相关，最后回答的结果就会掺杂着不准确

在知识库引用的提示词里，约束：知识库里可能又部分不相关的知识内容，你需要仔细理解和判断哪些知识内容与问题相关，根据相关的内容进行回答，不要引用无关内容。