一句话定义
检索相似度阈值（similarity threshold）是 RAG（Retrieval-Augmented Generation，AI 词典：检索增强生成">检索增强生成）流水线里的一条“分数线”：只有当文档片段与用户问题的相似度得分高于这条线时，这段内容才有资格被放进大模型的上下文。
这条线是怎么起作用的
向量检索会先把用户问题和知识库里的文档片段都转成向量，再计算两者的相似度（常用 cosine similarity 余弦相似度，或用点积、欧氏距离换算），得到一个分数。系统把知识库里的片段按分数从高到低排序，然后只看分数过线的那几条，拼进 prompt 交给模型作答。
你可以把它想成招聘筛简历：分数线定得太高，比如只接受“几乎一模一样”的片段，结果往往是一个候选都进不来，模型手里没材料，只能靠自己记忆作答，这正是幻觉的高发场景；分数线定得太低，又会把一堆沾边的、跑题的片段全塞给模型，上下文窗口（context window）被垃圾占满，关键信息反而被淹没。
和 top-k 的区别
这两个参数经常被混为一谈，但作用完全不同：
| 概念 | 作用 | 类比 |
|---|---|---|
| top-k | 固定取分数最高的 k 条，不问好坏 | 只招 5 个人，哪怕全场不及格也招满 |
| 相似度阈值 | 设一条及格线，线上留、线下丢，条数不固定 | 60 分以下一律不录用，可能一个都招不到 |
| rerank（重排） | 对候选片段用更强的模型再打一次分 | 复试重新面试，重新排序 |
实践中常见做法是两者叠加：先用阈值过滤掉明显不相关的片段，再截取 top-k 控制成本，最后用 rerank 精排。只有阈值、没有 top-k，可能一次召回几百条把上下文撑爆；只有 top-k、没有阈值，则必然每次都会把 k 条全部填满，哪怕第 3 条之后全是噪音。
实际意义与常见坑
对做 RAG 的团队来说，阈值直接决定两件事：召回为空，还是召回一堆垃圾。前者让模型“无据可依”，后者让模型“被带偏”，两种表现看起来都是答得不好，但修法完全相反。所以排查 RAG 效果时，先看检索结果本身是否合理，比反复调 prompt 有效得多。
最需要注意的一点：阈值不是绝对量。不同 embedding 模型的分数分布差别很大，同一句话在不同模型下的相似度可能一个 0.9、一个 0.6；是否对向量做归一化、用余弦还是内积，也会改变数值区间。因此网上流传的“阈值设 0.8”之类的经验值不能直接照搬，具体取值请以所用模型的官方文档和自有数据实测为准。
靠谱的定法是用一批真实用户问题加人工标注的“应有答案”，在小规模评估集上试几档阈值，观察召回内容的相关率与最终答案质量的曲线，选拐点。另一种省事的工程策略是保留一条较宽松的阈值做兜底：一旦没有任何片段过线，就让模型明确回答“资料中未找到相关信息”，而不是放任它自由发挥。