一句话定义：检索空结果（Empty Retrieval）指在AI 词典：检索增强生成">检索增强生成（Retrieval-Augmented Generation, RAG）流程中，检索模块返回了零条文档片段——相似度全都没过阈值，或者知识库里压根没有相关内容。它本身不算报错，却是一个高风险信号。
为什么“空”会出事
RAG 的正常链路是：用户提问 → 检索器把问题转成向量 → 在知识库里找最相近的 top-k 片段 → 把片段塞进提示词 → 模型基于这些片段作答。空结果就是中间那一步交回来一个空列表，模型拿到的上下文是空的。
打个比方：你让实习生去档案室找一份材料，他翻遍了柜子，两手空空回来。靠谱的做法是跟你说“没找到，是不是名字记错了”。但语言模型不是靠谱实习生——它的训练目标是“接着往下写”，本质上是台续写机器。空上下文对它来说不等于“禁止回答”，只等于“这次没有额外材料”，于是它顺势退回自己的参数记忆（parametric memory）里凭印象作答。答得越流畅、越具体，越危险。
所以空结果很少单独造成事故，它是幻觉（Hallucination）最常见的触发器之一：模型的默认行为是继续回答，而不是说找不到。
和相邻概念的区别
| 情况 | 检索返回 | 模型典型反应 | 风险 |
|---|---|---|---|
| 正常命中 | 相关片段 | 依据片段作答 | 低 |
| 低相关命中 | 勉强沾边的片段 | 硬套材料，答偏 | 中 |
| 空结果 | 零条 | 退回记忆，自信编造 | 高 |
| 空结果 + 拒答机制 | 零条 + 明确信号 | 说明未找到并给出建议 | 低 |
注意第二行：低相关命中往往比空结果更隐蔽，因为系统“看起来工作了”。而拒答（Abstention）不是检索状态，是模型的一种输出策略，需要专门设计才拿得到。
对从业者的意义
一是不要用 top-k 强行凑数。为了“总能返回点什么”而放宽阈值，等于把空结果换成了低相关结果，问题只是从显性变成隐性。二是把“空”当成一等状态处理：在提示词里明确区分“检索到内容”和“未检索到内容”，并给出可执行的兜底话术；把空结果率当作监控指标，它突然升高通常意味着知识库缺内容或分词、向量化环节出了问题。三是在高风险场景（制度条款、医疗、报价、合同）必须配置转人工或“请咨询对口部门”的出口。具体阈值和实现方式各家不同，以官方文档为准。
对普通人的意义
当你问企业内部助手或客服机器人，它答得斩钉截铁却给不出任何出处时，先怀疑它是不是什么都没搜到。追问一句“这条信息来自哪份文档”，是成本最低的验证方式；一个健康的系统应该能回答“我没查到相关资料”，而不是永远有话可说。