RAG 返回更多检索结果，未必能回答得更好。Top K 增大可能补回遗漏证据，也可能带入重复内容、相似但不适用的规则，挤占模型上下文。选择数量时，应检查重要问题需要的证据是否齐全，以及新增结果是否真正有用。
先确认调的是哪一层数量
一个检索流程可能先取较多候选，再排序，最后只把其中一部分交给生成模型。初始候选数量、排序保留数量和最终上下文长度不是同一个参数。如果没有记录各层结果，即使回答发生变化，也很难知道是召回变多还是上下文被重新截断。
不同系统对 Top K 的命名可能不同。测试前先写清它控制哪一步、结果以文档还是片段计数、长片段是否会因为输入限制被截去。不要把其他产品的示例数值直接当成本系统的推荐配置。
用问题所需的证据作为参照
对于“培训报名截止到哪天”，一条明确通知可能足够；对于“报名条件、材料和例外有哪些”，可能需要正文、附件与补充说明。问题复杂度不同，合理的证据组合也不同。只问短事实题，容易得出过小的上下文就足够的结论。
| 候选变化 | 如何判断 |
|---|---|
| 新增了缺失的例外条款 | 检查答案是否补全必要条件 |
| 新增多份相同副本 | 观察独立证据是否仍被挤掉 |
| 新增其他地区规则 | 检查是否造成适用范围混淆 |
可以为每道题标出必须证据与可选背景。前者决定结论是否完整，后者只提供解释。比较时不要把相关背景也算作完成回答所需的依据，否则返回越多，表面覆盖率越容易上升。
按小范围对照改变参数
保持文档快照、问题、排序方法和生成设置一致，选择几个候选数量做比较。记录每道题是否找到必要证据、重复片段比例以及答案是否被无关信息带偏。这里的几个数值应是本地实验条件，不能被写成普遍最优值。
例如增加数量后终于找到附表，但同时引入旧年度标准。可先检查版本筛选或结果去重，而不是在“少结果漏证据”和“多结果混版本”之间盲目取中间值。数量调整有时只能暴露结构问题，不能根治问题。
选择能说明理由的配置
最终配置应说明它在哪些问题上改善了证据完整性，在哪些问题上仍有风险。业务关键题可以单独要求完整证据，不必用全体平均值掩盖退步。如果不同文档类型差异很大，也可以设计不同检索路径，再分别验证。
调参完成后保留失败样本和上下文记录。未来切分方式、资料规模或问题分布改变时，原来的数量可能需要复验。Top K 是检索流程中的一个控制点，只有与证据质量一起观察，才具有可解释的优化意义。
在企业文档中验证
如果要把本文方法用于企业文档，可预约演示，结合实际资料核对协作、权限与集成方式。
需要在自己的环境中验证时，可先了解私有化部署方案，再确定试用范围与验收要求。