摘要
本文围绕检索增强生成技术在教育问答中解决什么问题、以何种方式解决及其证据强度，对2025—2026年为主的期刊论文、机构实践报道与开源项目资料进行主题式综述，未执行可复现检索，故不宣称系统综述结论。分析表明：该技术以教材、课件、题库等外部证据约束生成，缓解知识细节不足、幻觉与知识滞后，但检索质量缺陷仍会传导至答案。
所选文献涵盖向量检索与重排序、后检索反思，知识图谱增强的多跳检索与子图提取，以及图谱优化与多路召回融合等技术路线；各路线在证据结构化方式与工程复杂度上存在差异。落地形态覆盖课程答疑、医学教育、数学解题与资源引导，评价口径与证据强度不一，效果结论尚待统一评测与真实教学场景验证。
关键词：检索增强生成；教育问答；知识图谱；文献综述
第一章 绪论：研究问题、检索范围与综述框架
检索增强生成技术在教育问答中的研究，近年来逐步从技术验证走向场景适配，但围绕其“解决了什么问题、以何种方式解决、证据强度如何”的系统梳理仍显不足。本综述即以这一中心问题为线索，对已选外部资料与可引用文献进行主题式归纳与比较，力图呈现该领域的技术路线分歧与教学功能取向。需要说明的是，本综述并非执行了可复现检索流程的系统综述，文献筛选与主题归类均建立在已选资料的基础之上，因而在结论的推广性上持审慎态度。
在检索来源方面，本综述纳入的资料类型包括期刊论文、机构实践报道、开源项目与云服务文档，时间分布以2025—2026年为主，兼及少量更早的奠基性研究。直接讨论教学应用的分析资料以教育问答场景、检索增强生成方案或相关实践为范围；另保留通用检索增强生成、企业知识问答与大语言模型教育讨论作为技术或议题背景。背景资料不计作教育问答的实证效果证据。就来源性质而言，学术文献提供方法与证据，机构报道与项目文档则补充实践形态，二者在证据强度上并不对等，正文将分别对待。
在综述框架上，本文采用技术路线与教学功能双维度组织后文。技术路线维度比较向量召回、图谱增强与多路融合等检索和知识组织方式；教学功能维度则关注系统在课程答疑、学科解题与学习资源引导等场景中的功能定位。已有研究指出，大语言模型作为预训练语言生成模型，在降低教育问答系统开发成本、提高准确性方面具备潜力[1]，这为检索增强生成在教育问答中的引入提供了基本动因，但其具体实现路径与效果边界仍需结合后续技术路线逐一辨析。下文即依此框架，先讨论教育问答的技术困境与检索增强生成的问题定位。
第二章 教育问答的技术困境与检索增强生成的问题定位
教育问答对通用大语言模型提出了高于一般对话任务的知识要求，其局限首先表现为知识细节不足与幻觉生成。在医学教育领域，人工智能技术应用前景广阔，但其在特定知识领域的准确性和可靠性尚须提高，这限制了其在医学教学辅助智能问答系统中的普及[2]。这一判断并非医学独有，而揭示了通用模型面对专业课程知识时普遍存在的供给缺口。与此相关的是知识滞后问题：大语言模型在计算机类课程教学问答系统中面临知识碎片化、动态更新迟滞及多模态资源整合不足等困难[3]。课程内容随教材修订与教学进度持续变动，参数化模型难以及时反映这种变动，于是“答得流畅却答得不准”成为教育问答的典型失效形态。
检索增强生成对此的回应，是在生成之前先行引入外部知识。已有研究指出，检索增强生成技术通过引入外部知识库，有效提升了大语言模型的回答质量[4]。就教育场景而言，一种路径是结合检索增强生成技术与临床医学专业教科书知识库，以提高智能问答系统的准确性和可靠性，并减少人工智能幻觉的产生[2]。另一类实践针对计算机类课程构建基于检索增强生成的课程知识库系统，其混合检索策略融合语义推理与跨模态对齐技术，采用动态权重分配机制，实现文本、操作流程等多源数据的协同检索[3]。这些方案表明，教育问答的知识供给可区分为两种方式：一是依赖模型参数记忆，知识被压缩于权重之中，调用便捷但难以核验、难以更新；二是依赖外部证据，教材、课件、课堂转录、题库解析等材料在推理时被检索并进入上下文，其内容可追溯、可替换。检索增强生成属于后者，以证据约束生成，从而在一定程度上缓解上述问题。但这种缓解是有条件的：如果知识库或检索存在缺陷，检索优先的方法会产生不良结果[5]。换言之，外部证据路径并未消除错误来源，而是将部分错误来源从生成端转移至检索端。
循此逻辑，知识组织方式本身成为问题定位的延伸。知识图谱作为结构化的语义知识库，以符号形式描述概念及其相互关系，适合表达相互之间有复杂联系且深度融合的学科知识体系，能够较完整清晰地呈现各知识点之间的逻辑关系。然而，知识图谱本身无法主动生成信息，只是知识的载体和表现形式；当一个实体所连接的边较多时，搜索到该实体容易产生无效信息，需要学习者自行甄别取舍。这正是单一结构化知识库的边界：它擅长表达关系，却不擅长组织表述。由此引出二者结合的必要性——大语言模型提供语言理解与生成能力，知识图谱提供结构化的证据骨架，检索增强生成则充当二者之间的衔接机制。已有研究即以知识图谱、大语言模型和外部网络知识为数据源，利用大语言模型和图检索从知识图谱中检索出与问题最相关的子图[5]。这一思路说明，教育问答的技术困境并非单点缺陷，而是知识供给方式与知识组织方式的双重错配；检索增强生成的问题定位，正在于以外部证据补足参数记忆，并以结构化组织补足纯文本检索的语义松散。至于这一双重补足在不同技术路线中如何实现、其证据强度如何，则需在后续章节中按检索与知识组织路线逐一比较。
第三章 检索与知识组织路线：从向量召回到图谱增强与多路融合
前文指出，外部证据路径将部分错误来源从生成端转移至检索端，检索质量因而成为决定教育问答成败的关键环节。围绕这一判断，本单元按检索侧技术路线比较纳入文献，可归纳为三条取向：以向量检索配合重排序与后检索反思的文本增强路线、以知识图谱为组织基础的多跳检索与子图提取路线，以及图谱优化与多路召回相融合的路线。三者在证据结构化程度与工程复杂度上呈现明显分歧。
文本增强路线以外部知识库为起点，重点解决检索信息缺乏精细筛选的问题。孙浩然等指出，传统检索增强生成技术缺乏对检索信息的精细筛选机制，大量低相关知识被保留，无关信息干扰使模型幻觉问题并未得到有效解决[4]。针对这一缺陷，该研究收集计算机相关教材与知识文档，按内容结构划分为知识文档块以构建外置知识数据库，并提出基于重排序和后检索反思的教育大模型问答增强方法[4]。其技术要点有二：一是利用基于交叉编码器的高性能多语言重排序模型捕捉深层语义信息，过滤信息检索、筛去无关信息以提高检索质量；二是将检索增强生成技术应用于模型反思，令模型通过自我检查进一步增强回答质量[4]。该研究明确报告该方法有效提升了教育大模型在计算机问答时的准确性[4]，但这一结论限于其自建知识库与计算机知识问答任务，不宜直接外推至其他学科。在更一般的文本分析场景中，李强设计的系统同样针对检索与生成阶段精度不足、内容遗漏、生成质量不高等问题，基于半结构化文本构建向量知识库，结合多条件综合搜索、数据多维限定和内容二次筛选实现精准检索，并通过优化意图识别与数据召回能力提高分析内容的准确性与全面性[6]。两相比较，前者以重排序与反思环节提升证据筛选深度，后者以检索条件的多维限定提升召回精度，但均以文本块为基本证据单元，证据的结构化程度有限。
与文本路线不同，图谱增强路线试图以结构化语义关系承载证据。MI-RAG以知识图谱、大语言模型和外部网络知识为数据源，在检索过程中以互信息作为检索索引，利用大语言模型和图检索从知识图谱中检索出与问题最相关的子图，并在生成答案后由大语言模型更新知识图谱[5]。该研究在多个领域问答任务上进行了评估，显示出比现有最先进模型和其他检索增强生成方法显著的优势[5]。这一路线把检索单元由文本块推进到子图，使证据具备实体与关系层面的可解释结构，但其评估覆盖多个领域问答任务，并未专门针对教育场景，向教育问答的迁移仍需谨慎。作为一般工程背景，Mukherjee等面向Adobe Experience Platform企业私有文档提出KG-RAG方案，其公开摘要介绍了基于种子概念的增量实体解析、相似度去重、实体关系对置信度筛选，以及将事实链接回来源文档以支持溯源。系统检索相关三元组并加入提示上下文，再由大语言模型生成响应[7]。这些设计为证据组织与来源追踪提供了技术参考，但其企业场景评估不能直接证明教育问答的教学成效。
多路融合路线则试图兼顾文本语义与图谱结构。华南师范大学机器学习与优化研究团队2026年9月22日发布的KGMR-QA研究介绍（见该团队原始页面）所述框架，对数学教材、教辅资料、课程相关文档和数学试题等多源数据进行清洗、切分与结构化处理，构建文本知识库、问答知识库和数学知识图谱，并采用基于InfoNCE损失函数的对比学习方法结合LoRA技术对嵌入模型进行数学领域适配。在检索环节，该框架融合知识图谱检索、BM25关键词检索和向量语义检索，结合倒数排序融合、重排序模型精排和小块召回—大块扩展构建多路检索增强问答流程。该介绍报告研究在覆盖小学、初中和高中三个学段的数学试题数据集上进行实验，并与Pure LLM、Naive RAG和GraphRAG-based等基线方法比较，报告高中阶段选择题与填空题准确率由Pure LLM的77.8%提升至82.8%，高中解答题LLM-Judge综合评分由4.33提升至4.77，子问正确率由83.4%提升至92.9%，不同知识源配置对比中准确率达到84.3%。这些数值属于该研究在其自建数据集与既定评价指标下的结果，不能与其他路线跨任务合并比较。
综合来看，三条路线的分歧集中在两点。其一，证据结构化程度依次递进：文本块加重排序仍以平面文本为证据单元，子图提取引入了实体关系结构，多路融合则同时保留关键词、向量与图谱三类证据通道。其二，工程复杂度随之上升：重排序与反思主要增加推理阶段的模型调用，图谱路线需预先完成实体发现、关系抽取与消歧，多路融合还需处理融合排序与块粒度扩展。就教育适配而言，文本路线对教材文档的依赖较轻、落地门槛较低，图谱与融合路线更契合数学等强调知识逻辑关系的学科，但构建与维护成本更高。需要说明的是，上述比较仅基于各文献自述的方法设计与评估结果，尚缺乏统一数据集与统一指标下的横向验证，各路线相对优劣仍属待检验的判断。
第四章 教育场景落地形态与教学功能取向
前文对检索与知识组织路线的比较表明，不同技术取向在证据结构化程度与工程复杂度上各有取舍，而这些取舍最终要落到具体教育场景与教学功能中才能显现意义。本单元按教育场景与教学功能对纳入文献作进一步区分，重点考察课程答疑、医学教育、数学解题与学习资源引导等用途，并说明各系统仅在可核验来源基础上讨论，机构实践报道不能替代学术实证。
教育功能的讨论还需区分一般议题背景与具体系统证据。Kasneci等的《ChatGPT for good? On opportunities and challenges of large language models for education》讨论大型语言模型在教育中的机会与挑战[8]。该文在此仅作为大语言模型教育应用的议题背景；本文未核验其全文，不能据此确认互动材料、学习兴趣或代码解释等具体功能的效果。课程问答系统的功能与成效仍须结合相应系统研究及教学场景证据分别判断。
医学教育场景是这一短板表现较为突出的领域。在医学教育领域，人工智能技术应用前景广阔，但其在特定知识领域的准确性和可靠性尚须提高，这限制了其在医学教学辅助智能问答系统中的应用普及[2]。针对这一问题，有研究尝试结合检索增强生成技术和临床医学专业教科书知识库，以提高智能问答系统的准确性和可靠性，并减少人工智能幻觉的产生[2]。就教学功能而言，该研究结果显示，系统能为医学生提供丰富、准确且可靠的医学知识资源，在准确性和可靠性方面也显著优于仅依赖大语言模型的智能平台，并能为学生提供智能化学习支持[2]。这表明，通过整合先进人工智能技术和专业医学知识库，可有效提升医学教育的质量和效率[2]。需要说明的是，上述结论系该研究基于其自建系统与教科书知识库所得，属于单一系统的自述评估，尚不足以推广为医学教育问答的普遍效果。
网络安全教育场景则体现另一种功能取向。AI驱动的问答系统能主动管理网络安全问题解决中的不确定性，提供互动、探究式的学习体验[9]。然而，大型语言模型在问答系统中面临幻觉和领域知识有限等挑战，影响其在教育场景中的可靠性[9]。为此，有研究提出基于本体的检索增强生成方法CyberRAG，旨在构建可靠且安全的网络安全教育问答系统，其第一阶段通过从知识库中检索经过验证的网络安全文档，增强回答的准确性和相关性[9]。与医学教育系统以教科书知识库为证据来源相比，该路线以本体组织领域知识并以经过验证的文档作为检索对象，在证据结构化程度与安全约束上要求更高，但其教学功能仍定位于问题解决过程中的互动探究，而非直接给出结论性答案。
综合来看，纳入文献所覆盖的教育场景可归纳为两类功能取向：一类以医学教育问答为代表，侧重以专业教科书知识库约束生成，追求知识供给的准确与可靠，服务于学习支持；另一类以网络安全教育问答为代表，侧重在问题解决过程中管理不确定性，追求互动与探究的学习体验。二者均以外部证据约束生成以缓解幻觉与领域知识不足，但前者更强调答案内容的可信度，后者更强调学习过程的引导性。就教学适配而言，不同场景对证据来源、验证强度与互动方式的要求并不一致，因而技术路线的选择应服从于具体的教学功能定位，而非单纯追求检索结构的复杂化。上述比较仅基于各文献自述的系统设计与评估结论，尚缺乏跨场景的统一验证，各类系统在不同教育场景中的相对适用性仍属待检验的判断。
第五章 评价方法、效果证据与研究局限
评价方法是判断检索增强生成技术在教育问答中是否真正有效的前提，而评价目标、数据集、基线与指标口径的差异，直接决定了各项研究结论能否相互比较。从本综述所纳入的文献看，各研究对“效果”的界定并不统一：有的侧重答案内容与教材知识的一致性，有的关注检索环节的命中质量，有的则强调解题过程的引导性与可解释性。评价目标的分歧意味着，即便两项研究报告了同一名称的指标，其背后的任务定义与判定标准也可能不同，因此不宜将不同研究的数值直接合并或横向排序。
在数据集方面，纳入研究多采用自建或特定学科范围内的数据集，覆盖范围从计算机知识问答到小学至高中三个学段的数学试题，任务类型与难度分布差异明显。这种以自建数据为主的做法，使研究能够针对特定知识库与教学场景进行细致设计，但也带来两方面局限：其一，公开程度、许可与版本以及任务标准化程度须逐篇核对：例如CyberRAG的公开摘要说明使用了公开数据集，不能将所有研究概括为数据未公开；对私有或未充分披露的数据，外部复现仍可能受限；其二，单一学科、单一学段的样本难以支撑跨场景推广的判断。基线选择同样存在类似问题，部分研究以通用大语言模型直接回答作为对照，部分研究则以不同检索配置之间的内部比较为主，基线强度的不一致会放大或缩小所报告改进的幅度。
评价主体与指标口径的差异进一步削弱了证据的可比性。以自动指标为主的评价便于批量计算，却难以充分反映答案在教学意义上的适切性；以人工评判为主的评价能够考察解释性与引导性，但评判标准、评分者构成与一致性检验在纳入文献中披露程度不一。因此，本综述只能就各研究报告所声称的结果作限定性转述，并明确其归属，而不对其效果大小作出跨研究的一般化结论。就证据强度而言，现有研究多为单一系统的自述评估，缺乏独立复现与多场景对照，机构实践报道亦不能替代学术实证，故本章所归纳的评价格局应视为对研究现状的描述，而非对技术效果的确证。
上述局限也提示了后续研究需要补足的方向：建立面向教育问答的统一评测口径，在真实教学场景中开展多学段、多学科的验证，并将教学引导质量纳入评价体系，而非仅以答案正确率作为唯一尺度。
第六章 结论：研究问题的回答与后续研究议题
围绕检索增强生成技术在教育问答中“解决什么问题、以何种方式解决、证据强度如何”这一中心问题，本综述可给出有限度的回答。就问题定位而言，该技术以教材、课件、课堂转录与题库解析等外部证据约束生成过程，在机制上有助于缓解通用大语言模型在教育问答中的知识细节不足、幻觉生成与知识滞后，但这一判断来自对技术路线的分析，而非本研究的实测验证；检索质量缺陷仍可能传导至最终答案，外部证据的引入并不自动保证答案可靠。
就解决方式而言，所选文献呈现出并行的技术取向：向量检索配合重排序与后检索反思、知识图谱多跳检索与子图提取，以及多路召回融合。这些路线在证据组织与工程复杂度上各有取舍；有限文献与实践报道不足以确认它们的历史先后关系，也不能证明路线之间存在性能递进。
各路线在证据结构化程度、工程复杂度与教学适配之间存在明显取舍：图谱增强路线对学科知识逻辑关系的表达能力更强，但构建与维护成本更高；多路融合路线在召回覆盖上更具弹性，却增加了系统集成与调优的负担。这些取舍提示，技术选型应结合具体教学场景的知识结构特征，而非追求单一最优方案。
后续研究可在三方面推进：建立面向教育问答的统一评测口径，使不同研究的结果具备可比基础；扩大真实教学场景中的多学段、多学科验证，弥补现有研究以自建数据集为主的局限；将教学引导质量纳入评价体系，而非仅以答案正确率作为尺度。需要说明的是，本综述未执行可复现检索，文献纳入与主题归纳均受所选资料范围限制，故上述结论仅为对研究现状的主题式综合，不宣称系统综述意义上的结论。
参考文献
- [1] 张春红, 杜龙飞, 朱新宁, 等. 基于大语言模型的教育问答系统研究[J]. 北京邮电大学学报（社会科学版）, 2023, 25(6):79-88.
- [2] 丁宁, 宋雨欣, 单泽田, 等. 基于检索增强生成（RAG）技术的医学教学辅助智能问答系统的构建探索[J]. 中国医学教育技术, 2025, 39(1):1-5.
- [3] 刘珍亿. 基于RAG的计算机类课程知识库构建及应用研究[J]. 电脑知识与技术, 2025, 21(8):26-28.
- [4] 孙浩然, 王志豪, 吴一帆, 等. 基于重排序和后检索反思的教育大模型问答增强方法[J]. 大数据, 2025, 11(5):4-17.
- [5] 卢海涛, 郑大宇, 杨跞, 等. 基于互信息的领域问答检索增强生成[J]. 哈尔滨商业大学学报（自然科学版）, 2025, 41(6):661-667.
- [6] 李强. 一种适用于文本分析的检索增强生成系统[J]. 信息与电脑, 2025, 37(19):42-44.
- [7] Manisha Mukherjee, Sungchul Kim, Xiang Chen, et al. From Documents to Dialogue: Building KG-RAG Enhanced AI Assistants[EB/OL]. arXiv:2502.15237v1, 2025-02-21. https://arxiv.org/abs/2502.15237v1.
- [8] Enkelejda Kasneci, Kathrin Sessler, Stefan Küchemann, et al. ChatGPT for good? On opportunities and challenges of large language models for education[J]. Learning and Individual Differences, 2023, 103:102274. DOI: 10.1016/j.lindif.2023.102274
- [9] Chengshuai Zhao, Garima Agrawal, Fan Zhang, et al. Ontology-Aware RAG for Improved Question-Answering in Cybersecurity Education[EB/OL]. arXiv:2412.14191v2, 2025-11-24. https://arxiv.org/abs/2412.14191v2.