# विफलता विश्लेषण: कहाँ टूटा? — Retrieval-Augmented Generation (RAG)

Source: https://www.geekswithgeeks.com/hi/rag/e-debug

> Pipeline में पीछे चलकर बुरे उत्तर का निदान करें।

## Pipeline में पीछे चलें

हर ग़लत उत्तर के लिए क्रम से पूछें: (1) क्या उत्तर **दस्तावेज़ों में** है भी? (2) क्या वह सही-सलामत **extract और chunk** हुआ? (3) क्या सही chunk **retrieve** हुआ (शीर्ष k में)? (4) क्या वह भेजे जाने लायक़ **ऊँचा rank** हुआ? (5) क्या **prompt** ने उसे साफ़ पेश किया? (6) क्या मॉडल ने उसे **निष्ठा से उपयोग** किया? अपने golden set पर चरण-अनुसार विफलताएँ गिनें; सबसे बड़ी श्रेणी बताती है कि निवेश कहाँ करें। आम सुधार: extraction bugs, chunk आकार, hybrid search, query rewriting, reranking, बेहतर निर्देश, मज़बूत मॉडल।

## विफलता गणना

उदाहरण कि टीम 40 विफल सवालों को कैसे गिन सकती है ताकि तय हो पहले क्या ठीक करें। संख्याएँ उदाहरणात्मक हैं, मापी हुई नहीं।

```text
Failure stage                          Count   Fix to try first
answer not in the documents              4     add missing docs / better refusal
bad extraction (tables, scans)           6     improve parsing / OCR
right chunk not in top-k                18     hybrid search, chunking, rewrite
retrieved but ranked too low             7     reranker
retrieved and ranked, model misread      5     prompt, citations, stronger model
```

**Quiz:** उत्तर ग़लत हो तो पहला सवाल क्या है?

- [ ] क्या मॉडल बहुत छोटा है?
- [x] क्या उत्तर वास्तव में दस्तावेज़ों में है?
- [ ] क्या font पठनीय है?
- [ ] क्या server लाल है?

*Answer:* क्या उत्तर वास्तव में दस्तावेज़ों में है?. ज्ञान ही ग़ायब हो तो कोई retrieval या prompt बदलाव उसे ठीक नहीं कर सकता।