RAG 时效性问答实战：别让用户读到一年前的「最新」答案

「现在最新的利率是多少？」「这个政策目前还有效吗？」——这类时效性问答是 RAG 的一个隐蔽雷区。知识库里的文档是某个时间点抓的，三个月后政策改了、价格变了、接口弃用了，但 RAG 还会一脸真诚地把旧文档当成「最新事实」喂给用户。

更糟的是，模型自己也有「知识截止日期」，两者叠加，用户拿到的可能是双重过期的答案。本文讲清楚：时效性问答的坑在哪、怎么在检索和生成两侧同时设防。

一、时效性问题的两种形态

• 强时效：答案本身随时间变（利率、股价、政策、库存、天气）。这类问题，任何没有时间戳的答案都不可信。
• 弱时效：文档里的方法论、概念、代码范式长期有效，但举例用的版本号 / API 可能过时。这类要标注「示例基于某版本」，避免用户照搬旧写法。

RAG 对强时效问题尤其危险，因为向量检索只看语义相似，完全不关心「这篇文档是不是半年前的」。

二、检索侧：给文档打时间标签

第一道防线在数据入桶时就做：每篇文档必须带结构化的时间元数据——

{"doc_id":"policy_123","content":"...","published_at":"2026-03-01","effective_until":"2026-12-31","source":"官网公告"}

检索时，时间元数据参与过滤和排序：

• 过期过滤：effective_until已过且未被新文档取代的，直接降权或排除。
• 新鲜度加权：同主题多篇，优先召回最近发布的（recency boost）。
• 时间感知重排：rerank 阶段把「文档时间 vs 问题时间意图」作为特征，问「现在」就推新文档。

三、生成侧：让模型会「拒答旧答案」

即使检索召回了旧文档，生成模型也必须被明确告知「注意时效」：

规则补充： - 如果参考文档的发布时间早于问题所问的时间范围，或文档标注已过期， 请在答案中注明"以下信息截至 {文档日期}，建议核实最新情况" - 如果用户问"最新/当前/现在"，而参考文档不是近期发布的， 明确提示信息可能已过期，不要假装是实时数据

这一句能大幅降低「把旧数据当实时」的事故。关键是把文档时间戳显式塞进 prompt，模型才知道该不该提醒。

四、强时效场景：RAG 之外接实时源

对于「当前股价 / 实时汇率 / 库存」这种秒级变化的强时效问题，RAG 知识库根本不该是真相源——应该接实时 API / 数据库，用 Agentic RAG 的思路把检索换成「工具调用」：

用户问当前汇率 → 模型识别为实时需求 → 调用汇率 API → 返回精确实时值

RAG 知识库只负责「解释汇率是什么、怎么看」，实时数值交给确定性接口。两者分工，互不越界。

五、增量更新与版本治理

时效性的根子在「知识库多久更新一次」：

• 增量索引：新文档进来增量建向量，别每次全量重建（前面有专篇讲）。
• 失效标记：旧政策被新政策取代时，显式标记旧文档superseded_by: 新文档id，检索时旧文档自动降权。
• 定期巡检：跑一个定时任务，扫描effective_until临近 / 已过的文档，提醒运营更新或下线。

六、评测时效性问答

• 过期答案率：抽样强时效问题，看答案是否在「用过期文档答当前问题」而不提示。
• 时间戳标注率：该提醒过期的，有没有标注（人工 / 规则检查）。
• 实时源命中率：强时效问题有没有正确路由到实时工具而非知识库。

小结

时效性问答的核心认知：向量检索不关心时间，所以你必须替它关心。三道防线——入桶打时间标签 + 检索新鲜度加权、生成侧强制过期提示、强时效接实时源。再配合增量更新和失效标记，才能避免用户在某天突然发现，系统给的「最新政策」其实是去年的。