复合提问需先启用语义解析增强，再按意图类型拆分并独立向量化检索：事实型如“Q3销售数据”转为“销售额 sum Q3 all_regions”，对比时序型如“华东区投诉率是否上升”转为“客户投诉率 Q3 Q2 >”，两向量并行检索。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当用户在火山引擎云搜索或RAG服务中输入“查一下Q3销售数据，顺便看看华东区客户投诉率有没有上升”，这类含多个意图的复合提问，系统若直接向量检索，会因语义混杂导致召回率骤降——向量空间里，“销售数据”和“投诉率”距离过远，模型无法同时锚定两个焦点。
先识别问题类型：区分事实型、对比型、时序型
打开云搜索控制台 → 进入「查询分析」标签页 → 点击右上角「启用语义解析增强」开关。该功能默认关闭，【不开启则后续所有拆分规则均不生效】。
系统自动对输入句进行依存句法分析，将“Q3销售数据”标记为【事实型查询】（目标是获取具体数值或报表），将“华东区客户投诉率有没有上升”标记为【对比型+时序型混合查询】（隐含与Q2或去年同期的比较动作）。
注意：若原始提问含“是否”“有没有”“变没变”等词，必须触发时序对比解析；若仅含“多少”“什么”“列表”，则归为纯事实型。
按意图粒度切分：用分号/逗号/连词作为硬切点
方法一：人工预设分隔符规则（适用于API调用场景）
在请求体中设置参数 "split_by_punct": true，系统将优先按中文分号（；）、顿号（、）、逗号（，）切割，但会跳过引号内标点。例如：“销售额；客户数；投诉TOP3城市”→ 拆为3个独立子查询。
方法二：动词驱动切分（适用于对话式RAG）
启用 verb_split_mode 后，系统识别主谓结构断点：“查一下A”和“看看B”被强制分离，因为“查”与“看”是两个独立动作动词，各自绑定宾语形成原子意图单元。
方法三：NER实体隔离（高精度场景必选）
在控制台「高级策略」中勾选「启用领域实体识别」，系统调用豆包大模型专属NER模块，将“Q3”识别为时间实体、“华东区”识别为空间实体、“销售数据”“投诉率”识别为指标实体。每个实体组合构成唯一可检索路径，避免“Q3华东区销售数据”被误匹配成“Q3华北区”。
重构检索向量：为每个子问题生成独立embedding
第一步：对“Q3销售数据”子句，注入领域提示词模板：
“请将以下查询转为标准BI指标口径：{原句} → 输出格式：[指标名] [时间维度] [空间维度] [聚合方式]”。经豆包模型重写后输出：“销售额 sum Q3 all_regions”。
第二步：对“华东区客户投诉率有没有上升”子句，触发时序对比模板：
“请提取对比基准：{原句} → 输出格式：[指标名] [当前周期] [对比周期] [比较运算符]”。模型输出：“客户投诉率 Q3 Q2 >”。
第三步：将两组标准化字符串分别送入豆包向量模型v2.4，生成两个独立向量。这两个向量不再拼接，而是并行发起检索请求——【拼接向量会导致语义坍缩，召回准确率下降超60%】。
