查询分解

查询分解是 AI 时代的技术——将复杂问题拆分为若干子查询，分别回答，再合成最终答案。它是 Google AI 概览 与 Perplexity 在底层做的事，它改变了你应该写什么。

用户问一件事。模型问五件。回答所有五件的页面就是被引用的页面。

查询分解如何工作

• 原始查询被改写为 3–10 个子查询，这些子查询合起来可以回答原始问题
• 每个子查询分别通过检索系统运行
• 收集每个子查询的最佳段落
• 模型写出综合它们的单一答案，并附引用

示例

• 原始：「京都适合 10 月带幼童的家庭吗？」
• 子查询：「京都 10 月天气」、「京都亲子活动」、「带幼儿京都无障碍」、「京都 10 月人流排队」
• 模型检索回答每个问题的段落，然后写出引用所有这些段落的单一答案

如何针对查询分解优化

• 在同一处覆盖子问题。 一个回答所有五个子查询的页面比五个分开的页面更可能被引用
• 使用匹配子查询的 H2。 模型按标题切分页面；清晰的 H2 帮助模型为每个子查询找到对的段落
• 使用 结构化数据 的 FAQ。 明确把你的内容映射到问题
• 预判分解。 对任何主题，问自己：专家会把它拆成哪 3–10 个子问题？
• 建立 主题集群。 支柱可以充当综合者；集群页面服务子查询