问题优化节点

节点说明

在 RAG（Retrieval-Augmented Generation）中，知识库搜索通常仅基于”当前”问题执行 embedding 检索，难以处理上下文连续的提问。

例如，用户在第一次提出”QA结构是什么”后，紧接着提问”第二点是什么”，若仅基于”第二点是什么”去搜索，通常查不到任何有效信息。因此，我们引入问题优化节点，用于补全当前问题，使其具备足够上下文，从而提升知识库搜索的准确性。

问题优化节点主要包含三个模块：输入模块、优化配置模块、输出模块。

输入模块用于定义并引用其他节点提供的数据，通常包括：

请在 输入 面板中正确配置字段，以便在优化过程中使用。

优化模块提供多种策略，用于控制优化行为和模型生成逻辑。

配置项	说明
模型	选择用于优化问题的大语言模型，例如 Qwen/Qwen2.5-72B-Chat 等
温度	控制输出内容的随机性，温度越高越多样化，默认 0.3
提示词	输入用于引导模型优化问题的提示信息，属于传统提示工程策略
对话背景	通过背景设定，向模型提供更稳定的问题理解语境，帮助模型更准确地重写或补全当前问题
对话配置	用于设置模型回顾上下文的范围，可选择：对话轮次数量（如3轮）或Token长度限制（如300 tokens）

提示词与对话背景可通过下拉选择方式配置，选择其中之一即可。

输出结果字段名为 output，其结构为一个数组，表示优化后的问题列表：

output: [
  "优化后问题1",
  "优化后问题2",
  "优化后问题3",
  "优化后问题4"
]

通常，该数组会生成四个语义等价但表达方式不同的问题，用于提升后续知识库检索的召回效果和覆盖率。