---
title: "查詢重寫（Query Rewriting）"
slug: query-rewriting
language: zh-TW
source: https://aiterms.tw/terms/query-rewriting
updated_at: 2026-07-04
tags: [自然語言處理, 大型語言模型, Prompt工程, source:ipas]
ipas_term: true
---

# 查詢重寫（Query Rewriting）

查詢重寫是將使用者原始輸入轉換為更精確檢索字串的技術，能解決詞彙不匹配問題，提升搜尋結果準確度。

## 完整說明

查詢重寫是一種優化資訊檢索的自然語言處理技術，用於解決使用者查詢與系統索引間的不匹配問題。它能夠自動修正拼寫、擴充同義詞或重新架構意圖，顯著提升檢索結果的準確度。常見應用包括搜尋引擎校正、電商搜尋優化，以及檢索增強生成系統的查詢處理。

## iPAS 考試出題分析

屬於未分類考範圍。

## 常見問題

### 在使用大型語言模型建構檢索增強生成系統時，為什麼需要額外實作查詢重寫模組？

在檢索增強生成架構中，使用者的原始提問通常包含多回合的對話歷史，帶有代名詞和省略語境，這不適合直接用於向量資料庫檢索。實作查詢重寫模組能夠將口語化、具依賴性的提問轉換為獨立且語意完整的檢索字串。這確保了嵌入模型能生成精確的向量表示，從而大幅提高檢索階段提取相關段落的準確度，最終避免生成模型因缺乏正確背景知識而產生幻覺現象。此外，原始提問可能包含多種意圖，重寫模組能將其拆解為多個平行檢索任務，獲取更全面的參考資料。

### 查詢重寫系統應該如何評估其轉換效果與對整體檢索品質的影響？

評估查詢重寫系統需要結合線上與線下指標。線下評估可利用標註好的資料集，計算重寫查詢與標準查詢之間的語意相似度，以及其在標準檢索庫中的召回率與平均精度均值指標。線上評估則透過 A/B 測試監控真實使用者的行為數據，例如點擊率、零結果率以及使用者的後續重新搜尋頻率。持續追蹤這些指標能幫助工程團隊微調重寫策略，確保系統不會過度擴展查詢而引入無關雜訊。另外，也可以透過人工評估重寫後字串的邏輯性與合理性作為補充。

### 實作基於語言模型的查詢重寫時，如何解決處理延遲過高的問題？

在即時檢索系統中直接呼叫大型語言模型進行查詢重寫常面臨延遲挑戰。工程上的解決方案包括採用模型蒸餾技術，訓練一個參數量較小的專用語言模型來處理重寫任務。此外，可以建立快取機制儲存常見查詢的重寫結果，以避免重複計算。另一種策略是平行處理，在進行輕量級基礎檢索的同時非同步執行複雜的查詢重寫，若重寫過程耗時過久，系統可優先返回基礎檢索結果以確保使用者體驗。針對特定領域的系統，也可以將常見的語言模型重寫邏輯轉換為靜態規則引擎來加速處理流程。

---

來源：https://aiterms.tw/terms/query-rewriting
快查頁：https://aiterms.tw/terms/query-rewriting
最後更新：2026/07/04
深度解說：https://aiterms.tw/learning/what-is-query-rewriting