🧐Anthropic的方案中，使用Claude为每个文本片段生成上下文。具体操作是将文本片段和整个文档一同输入给Claude，然后在嵌入处理前，把生成的上下文添加到每个文本片段的前面，以此来提高RAG检索的准确性。

📄在检索步骤中，该方案结合使用了上下文嵌入和上下文BM25技术，这两种技术的结合能够更有效地提高检索的准确性，降低检索失败的几率。

⚠️此方案需要配合提示缓存来使用，否则会消耗大量Token。若不使用提示缓存，可能会导致资源的浪费和成本的增加。

Anthropic 发布了一种可以大幅增加 RAG 检索准确性的方案。

Contextual Retrieval embeddings + contextual BM25，检索失败几率降低 49%。

主要方法是：

使用 Claude 为每个文本片段生成上下文。具体做法是将文本片段和整个文档一起输入给 Claude。

在进行嵌入 处理之前，先将生成的上下文添加到每个文本片段的前面。

在检索步骤中，结合使用上下文嵌入和上下文 BM25 技术。

需要配合提示缓存来使用，不然会消耗大量 Token。

详细信息：https://www.anthropic.com/news/contextual-retrieval