“ 在智能问答中，最难处理的并不是检索效果，而是行业黑话，不理解行业黑话就很难做到真正的语义检索。”
最近在讨论需求时发现一个问题，智能问答系统经过多次升级之后，从最开始的传统RAG到Agentic RAG，检索效果从最开始的不准确到现在的基本上能满足精确检索的要求。
但是基本检索要求满足了，用户那边又提出了更高的要求，那就是不但要检索的准，还有理解的准，理解不准就难检索的准；什么意思呢？
每个行业都有每个行业的专业术语，也就是我们常说的行业黑话；这些行业黑话简单的语义理解很难明白是什么意思，更不用说语义检索了。在不同的专业领域，同一句话可能有完全不同的意思，所以通过这些行业黑话进行检索，就很难匹配到正确的答案。
这也是为什么，有时候我们从技术的角度来看，整个流程和细节处理的完全没问题，但是用户就是不满意，各种投诉差评一大堆，原因就在于此。
如果扩宽来说，不仅仅是智能问答，包括智能体，从技术的领域来说智能体的本质都是一样的，但为什么通用智能体慢慢被抛弃，而垂直智能体却越来越受欢迎，原因就在于此。
那怎么解决这些问题呢？
这个就需要我们建立不同行业的词库，用通俗易懂的语言给不同行业的数据做标注，也就是语义提取；当用户问一些专业问题时，也需要先在行业词库中做语义匹配，找到这些黑话的真正含义，然后才能真正做到精准检索，提高用户体验。
那具体应该怎么做呢？
要破解行业黑话问题，要从两个方面来处理，其一是知识库方面，要对知识库中的行业黑话做翻译，把它翻译成通俗易懂的语言；其次，在用户端要构建一个行业词库，用来解释不同的专业名词，让模型能够真正理解用户的问题，然后再针对这些问题做相似问题扩展，提升检索范围。
专业词库并不是一个简单的key-value键值对，而是在具体的行业里面，针对不同的语境构建多个不同的名词释义；其中不但要包含术语名称，术语含义，还要包含别名，包括中文全称，英文缩写和口语表达等多种形式。
具体方式可以使用TF-IDF从行业文档中自动提取高频关键词；或者使用专家与LLM协同，专家整理术语，再结合大语言模型提取关键词并生成近义词，再或者利用动态语料生成技术扩展词库。
总之，设计原则遵循，确保词库覆盖性良好，通过上下文标签控制歧义性，并采用树状结构保证可扩展性。