多语言 RAG 检索：中英混合不是翻译一下就完了

处理多语言 RAG 中的查询改写、跨语言 embedding、术语表、语言路由、引用和评测集设计。

多语言 RAG 的难点不只是“中文问题搜英文文档”。真实场景里还有中英混排、产品名、缩写、代码、表格字段和内部黑话。

常见模式

模式	例子	策略
同语言检索	中文问中文文档	中文 analyzer + multilingual embedding。
跨语言检索	中文问英文文档	query translation + multilingual embedding。
混合术语	“PTO 怎么算”	术语表和 query rewrite。
代码/API	“retry policy 参数”	关键词召回必须保留。

原始问题：远程员工 PTO 怎么算？
改写：remote employee PTO policy
同义：telecommute paid time off policy
约束：employee_type=remote

改写不能丢掉数字、时间、权限、产品名和字段名。

多语言评测集要覆盖：中文问中文、中文问英文、英文问中文、中英混问、缩写、内部术语。

多语言 RAG 不是翻译层问题，而是检索系统问题。术语表、混合检索、跨语言 embedding 和评测集缺一不可。

讨论

有问题、补充案例或不同观点，可以通过 GitHub Discussions 继续交流。