问题改写服务的完整实现
上一篇讲了问题改写的入口，这一篇我们深入 ChatQueryRewriteService 内部，看看它是如何把用户的原始问题改写成更适合检索的表达的。
问题改写的核心目标
在讲具体实现之前，先明确一下问题改写要解决的几个核心问题：
| 问题类型 | 示例 | 改写目标 |
|---|---|---|
| 上下文省略 | "它是什么？" | 补全上下文，变成"XXX 是什么？" |
| 指代不明 | "这个功能怎么用？" | 消解指代，明确"这个"指的是什么 |
| 口语化表达 | "能不能给我讲讲那个啥来着" | 规范化表达 |
| 多问题混合 | "A 是什么？B 怎么用？" | 拆分成多个独立的子问题 |
rewrite 方法的主流程
ChatQueryRewriteService.rewrite 方法是整个改写流程的入口：
/**
* 执行问题改写主流程。
* 这里会先判断是否值得改写，若不值得则直接走规则兜底；
* 若需要改写，则调用模型生成 JSON 结构化结果，并在失败时退回规则改写。
*
* @param question 原始问题
* @param historySummary 历史摘要
* @param traceRecorder 模型调用追踪器
* @return 改写结果
*/
public RagRewriteResult rewrite(String question,
String historySummary,
ConversationTraceRecorder traceRecorder) {
String normalizedQuestion = StrUtil.trim(question);
if (StrUtil.isBlank(normalizedQuestion)) {
// 空问题没有改写意义，直接返回空结果。
return new RagRewriteResult("", List.of());
}
if (!properties.isRewriteEnabled() || !needsRewrite(normalizedQuestion, historySummary)) {
// 未开启改写或当前问题不值得改写时，直接走规则兜底。
RagRewriteResult fallback = fallback(normalizedQuestion);
log.info("RAG 改写跳过: question='{}', rewritten='{}', subQuestions={}",
normalizedQuestion,
fallback.getRewrittenQuestion(),
fallback.getSubQuestions());
return fallback;
}
try {
// 使用提示词模板把历史摘要和当前问题渲染成结构化改写 Prompt。
String prompt = promptTemplateService.render(PromptTemplateNames.CHAT_QUERY_REWRITE, Map.of(
"history", StrUtil.isNotBlank(historySummary) ? historySummary : "无历史上下文",
"question", normalizedQuestion
));
// 调用模型生成改写结果，阶段名固定为 rewrite，便于追踪与成本统计。
String raw = observedChatModelService.callText("rewrite", null, prompt, buildRewriteCallOptions(), traceRecorder);
RagRewriteResult parsed = normalizeRewriteResult(normalizedQuestion, parse(raw));
if (parsed != null && StrUtil.isNotBlank(parsed.getRewrittenQuestion())) {
// 保留模型原始输出，便于后续调试"为什么改写成这样"。
parsed.setRawModelOutput(raw);
log.info("RAG 改写完成: question='{}', rewritten='{}', subQuestions={}",
normalizedQuestion,
parsed.getRewrittenQuestion(),
parsed.getSubQuestions());
return parsed;
}
// 如果模型输出结构不合法或没有可用改写，则记录告警并退回规则改写。
log.warn("RAG 改写结果不可用，回退到规则改写: question='{}', raw='{}'",
normalizedQuestion,
StrUtil.blankToDefault(raw, ""));
}
catch (Exception exception) {
// 模型调用或解析异常都不阻断主流程，而是回退到规则改写。
log.warn("RAG 改写失败，回退到规则改写: question='{}', message={}",
normalizedQuestion,
exception.getMessage());
}
return fallback(normalizedQuestion);
}
整个流程可以分为五个步骤：
第一步：空值检查
String normalizedQuestion = StrUtil.trim(question);
if (StrUtil.isBlank(normalizedQuestion)) {
// 空问题没有改写意义，直接返回空结果。
return new RagRewriteResult("", List.of());
}
如果问题为空或只有空格，直接返回空结果，没必要继续处理。
付费内容提示
该文档的全部内容仅对「码力全开」项目实战&技术讲解 知识星球用户开放
加入星球，一次获得完整项目资料、全栈技术知识库和长期答疑服务。
100万+字全栈技术知识库深入讲解技术核心、数据库、中间件和分布式等内容
8套热门的实战项目持续更新的企业级项目覆盖高并发、微服务、数据中台 和 AI Agent 等方向
AI 技术知识大模型面试详解覆盖 AI 模型原理、Agent、RAG、MCP、Skills、Harness 等核心知识点
文档 + 视频两种讲解形式既能系统阅读，也能跟随视频理解核心业务
完整项目实战资料
每套项目均包含从 0 到 1 讲解文档核心业务讲解视频从基础项目到复杂业务场景，项目资料会持续更新。
- 01Nexus Agent AI 智能体
- 02Nexus Agent Pro 完全版
- 03黑马点评Plus
- 04大麦
- 05大麦Pro
- 06大麦AI
- 07流量切换
- 08数据中台
加入后还能获得
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。从学习、面试到项目启动，都可以继续获得支持。
- 1 对 1 解答项目和技术问题都可以提问
- 针对性补充没有讲清楚的内容会继续补充
- 面试与简历指导梳理回答技巧和项目亮点
- 中间件云环境项目依赖可以直接接入使用
- 面试后复盘被问住的问题可以继续交流
- 远程问题解决项目启动问题可协助排查
