处理专业术语密集的RAG问题，目前主流方案可分为查询端改造、知识库端增强、以及混合检索优化三条路线。以下是相关的代表性论文与解决方案：📄 方案一：查询端改造——反射式术语消歧这一思路在检索前识别并澄清用户问题中的专业术语，避免因“词不达意”导致检索失败。核心论文：《Golden-Retriever: High-Fidelity Agentic Retrieval Augmented Generation for Industrial Knowledge Base》(arXiv 2024)解决方案：痛点：用户常用口语提问（如“芯片写数据失败”），而文档库使用专业术语（如“NAND编程干扰”），语义鸿沟导致检索错位。做法：采用“反射式查询增强”，先让LLM识别问题中的模糊术语，再结合上下文和术语词典将其“翻译”为标准表述，最后用扩展后的精确描述去检索。📄 方案二：术语对齐——构建标准化词典该方案通过维护术语词典，将用户的非正式或口语化表达映射到文档中的标准术语。核心论文：《Shopfloor Terminology for RAG: