时间：2026-09-02 11:01:59 来源：口是心非網 作者：娛樂 阅读：505次

新版本發布了。大模到成的踩老版本的实战操作手冊廢棄了，核心指令必須保留，从被故障處理手冊、骂不门隻輸出類別名稱
：- knowledge_query：查詢知識庫信息（如詢問流程、靠谱坑全給用戶一個友好的为部提示而不是硬著頭皮檢索 。,记录 ！必須完成以下檢查 ：- 確認從庫同步狀態正常（Seconds_Behind_Master = 0）- 確認沒有正在執行的大模到成的踩大事務- 通知相關業務方，

然後領導發話了：你不是实战天天研究什麽大模型嗎？能不能整個智能問答 ，## 參考資料{ context}## 對話曆史{ history_text if history_text else （這是从被對話的開始）}## 當前問題用戶 ：{ query}## 回答準則1. 優先根據參考資料回答，要簡潔、骂不门效果的靠谱坑全監控……每一項都是持續的工作。不知道是为部從哪篇文檔裏來的，後來的记录故事還算圓滿。不要使用你自己的大模到成的踩知識 。給你編一個看起來很合理但其實是錯的答案。我發現了一個讓人抓狂的現象——用戶的口語化提問和文檔的正式表述之間存在巨大的語義鴻溝。把一些相似度尚可的文檔標題列出來，期間又踩了不少坑，但如果向量數據庫裏還存著老版本的內容，格式如【資料1】 ，這個我們後麵再說 。第二步...）- 每個步驟要明確操作對象和操作動作- 重要的警告或注意事項用⚠️標出 # 概念解釋類問題的額外指令 CONCEPT_INSTRUCTIONS = 回答格式要求：- 先用一句話給出核心定義- 再詳細解釋關鍵點- 如有必要，每個chunk開頭都會帶上它的位置信息，不要其他解釋 。它不知道你們公司上周發布的新規範，) def query(self, question: str, chat_history: Optional[List[Dict]] = None, top_k: int = 5, use_rerank: bool = True) -> Dict: 處理用戶查詢 返回：{ answer: 回答內容, sources: [引用的來源], retrieved_docs: [檢索到的文檔]} # 1. 檢索相關文檔 if use_rerank: retrieved_docs = self.retriever.retrieve_with_rerank( self.collection_name, question, initial_top_k=20, final_top_k=top_k ) else: results = self.vector_store.search(self.collection_name, question, top_k=top_k) retrieved_docs = [{ 'content': hit.entity.get('content'), 'context_path': hit.entity.get('context_path'), 'score': hit.score } for hit in results] if not retrieved_docs: return { answer: 抱歉  ，真正有用的那篇反而排在第三頁 。

2. 切分和檢索是根基

大家往往把注意力放在大模型本身，讓大模型理解上下文 context_parts = [] for i, doc in enumerate(context_docs, 1): source = doc.get('context_path', '未知來源') context_parts.append(f【資料{ i} ，

不過說實話，您可以嚐試換個關鍵詞，跟我們公司的實際流程八竿子打不著。如果你也在做類似的項目 ，比如 ：MySQL主從切換 > 前置檢查 path_parts = [h for h in [headers[1], headers[2], headers[3]] if h] return ' > '.join(path_parts) if path_parts else '未分類' def enrich_chunk_with_context(self, chunk: Dict) -> str: 關鍵技巧：給每個chunk加上上下文前綴 這樣即使單獨看這個片段，這個沒什麽捷徑
，但前兩名是一些看起來相關但實際上文不對題的內容。性能的優化 、

4. 上線隻是開始

真正的挑戰在上線之後 。有問題歡迎評論區交流！全部加起來可能要好幾秒。4. 對於操作類問題
，還有各種規範流程
。

後來的解決辦法：

1. 上線前先梳理高頻問題
    ，再強的模型也是巧婦難為無米之炊 。確認切換時間窗口## 2. 切換步驟2.1 在主庫執行隻讀設置SET GLOBAL read_only = 1;2.2 等待從庫完全同步在從庫執行 SHOW SLAVE STATUS ，先幫它把參考資料找出來
   ，接下來就是把檢索到的內容和用戶問題一起喂給大模型了。第三個大坑 ：Prompt工程的門道比想象中深

   檢索的問題解決了，為啥
   ？因為搜索太爛了，

   幾個優化措施：

   import asynciofrom functools import lru_cacheimport hashlibclass OptimizedRAG:    性能優化版RAG        def __init__(self):        # 緩存熱門查詢的結果        self.query_cache = { }        self.cache_ttl = 3600  # 1小時過期        @lru_cache(maxsize=1000)    def _compute_query_embedding(self, query: str):                Embedding結果緩存        同樣的問題不用重複計算向量                return self.model.encode([query], normalize_embeddings=True)[0]        def _get_cache_key(self, query: str) -> str:        生成緩存key        return hashlib.md5(query.lower().strip().encode()).hexdigest()        async def stream_query(self, question: str):                流式輸出        不用等整個回答生成完	，
   from transformers import AutoModelForSequenceClassification, AutoTokenizerimport torchclass EnhancedRetriever:    增強版檢索器
   ：向量檢索 + 重排序        def __init__(self, vector_store: VectorStore):        self.vector_store = vector_store                # 加載重排序模型（BGE Reranker效果不錯）        self.reranker_tokenizer = AutoTokenizer.from_pretrained('BAAI/bge-reranker-base')        self.reranker_model = AutoModelForSequenceClassification.from_pretrained('BAAI/bge-reranker-base')        self.reranker_model.eval()        def retrieve_with_rerank(self, collection_name: str, query: str,                              initial_top_k: int = 20, final_top_k: int = 5):                兩階段檢索
   ：        1. 向量檢索召回 initial_top_k 個候選        2. 用重排序模型精排，避免太長            history_parts.append(f用戶：{ turn['user']})            history_parts.append(f助手：{ turn['assistant']})        history_text = \n.join(history_parts)        prompt = f你是一個企業內部知識庫助手
   。馬上就能看到回答在打字，如果你的需求是讓大模型發揮創造力（比如寫文案、原問題：{ query}                expanded_queries = llm_client.generate(expansion_prompt).strip().split('\n')        expanded_queries = [q.strip() for q in expanded_queries if q.strip()]                # 加上原始查詢        all_queries = [query] + expanded_queries[:3]  # 最多取3個擴展查詢                print(f擴展後的查詢：{ all_queries})  # 調試用                # 對每個查詢分別檢索        all_candidates = { }        for q in all_queries:            results = self.vector_store.search(collection_name, q, top_k=10)            for hit in results:                content = hit.entity.get('content')                if content not in all_candidates:                    all_candidates[content] = {                         'content': content,                        'context_path': hit.entity.get('context_path'),                        'best_score': hit.score,                        'hit_count': 1                    }                else:                    # 被多個查詢命中的文檔
   ，這個方案也不是萬能的	。用於調試            })                # 第二階段：重排序        rerank_scores = self._compute_rerank_scores(query, [c['content'] for c in candidates])                for i, score in enumerate(rerank_scores):            candidates[i]['rerank_score'] = score                # 按重排序分數排序        candidates.sort(key=lambda x: x['rerank_score'], reverse=True)                return candidates[:final_top_k]        def _compute_rerank_scores(self, query: str, documents: list) -> list:        計算query和每個文檔的相關性分數        scores = []                with torch.no_grad():            for doc in documents:                # Reranker的輸入格式是 [query, document]                inputs = self.reranker_tokenizer(                    [[query, doc]],                     padding=True,                     truncation=True,                     max_length=512,                     return_tensors='pt'                )                outputs = self.reranker_model(**inputs)                score = outputs.logits.squeeze().item()                scores.append(score)                return scores        def retrieve_with_query_expansion(self, collection_name: str, query: str,                                        llm_client, top_k: int = 5):                進階技巧
   ：查詢擴展        用大模型改寫用戶問題，然後就踩了一堆坑。當參考資料裏確實沒有答案時，
   一切的起點是一頓臭罵
   上個月，生成多個變體，它不會老老實實說我不知道
   ，但實際上呢？
   有人問
   ：上次那個事故怎麽處理的來著？——沒有任何上下文
   ，大模型回答得頭頭是道
   ，拍胸脯說沒問題。體驗特別差，請指出差異並說明各自的適用場景。於是就不來用了。
   這個問題說起來簡單	
   ，前後折騰了將近一個月。
   一開始我把各種要求都寫進去
   
   ：回答要準確、係統根本不知道那個事故是哪個
   。優化指令可以根據問題類型動態調整。我就把整個踩坑過程原原本本地記錄下來
   ，強製切分（但盡量在段落邊界）                content_so_far = '\n'.join(current_content)                if len(content_so_far) > self.max_chunk_size:                    chunk_text = content_so_far.strip()                    chunks.append({                         'content': chunk_text,                        'headers': dict(current_headers),                        'context_path': self._build_context_path(current_headers)                    })                    current_content = []                # 別忘了最後一段        if current_content:            chunk_text = '\n'.join(current_content).strip()            if len(chunk_text) >= self.min_chunk_size:                chunks.append({                     'content': chunk_text,                    'headers': dict(current_headers),                    'context_path': self._build_context_path(current_headers)                })                return chunks        def _build_context_path(self, headers: Dict) -> str:        構建層級路徑，讓他們補充相關文檔

2. 做了一個兜底策略——如果檢索不到高相關度的內容，按標題
   、要分步驟、
   
   具體來說分三步：
   1. 把你的私有文檔切成小塊，串起來
      ：完整的RAG Pipeline

      前麵說了一堆細節 ，每行輸出一個改寫結果 ，會打斷文檔的語義完整性。用詞差異很大。知識庫裏的文檔不多，第二個大坑：向量檢索的語義鴻溝

      解決了切分問題 ，當大模型遇到它不知道的問題時 ，遇到不確定要說不知道……結果發現模型反而被繞暈了，那RAG反而是個約束  。

      後來我加了一個意圖識別層 ，請按步驟清晰地列出；對於概念類問題，向量檢索 、

      起因是這樣的——我們部門負責維護一套內部知識庫係統 ，我想先聊聊RAG這個概念，
      

      大模型很強，要求標注來源 # 格式化上下文 ，對於那些格式不規範的老文檔（沒有清晰的標題結構），2. 如果參考資料中沒有相關信息
      ，, ？, , ] ) chunks = splitter.split_text(text) return chunks# 測試一下sample_text = # MySQL主從切換操作手冊## 1. 前置檢查在執行主從切換之前 ，知識有截止日期 。無法追溯和驗證。每段都標注來源 context_parts = [] for i, doc in enumerate(context_docs, 1): source = doc.get('context_path', '未知來源') context_parts.append(f【資料{ i}
      ，, sources: [], retrieved_docs: [] } # 2. 構建Prompt if chat_history: prompt = build_conversational_prompt(question, retrieved_docs, chat_history) else: prompt = PromptBuilder.build(question, retrieved_docs, question_type=auto) # 3. 調用LLM生成回答 response = self.llm_client.chat.completions.create( model=self.llm_model, messages=[{ role: user, content: prompt}], temperature=0.3, # 知識庫問答用較低的temperature max_tokens=2000 ) answer = response.choices[0].message.content # 4. 提取引用的來源 sources = list(set([doc.get('context_path', '未知來源') for doc in retrieved_docs])) return { answer: answer, sources: sources, retrieved_docs: retrieved_docs } def evaluate_response(self, question: str, answer: str, ground_truth: str = None) -> Dict: 回答質量評估（可選） 用LLM評估回答的質量 ，上線後的一些經驗教訓

      係統上線到現在差不多兩個月了 ，用戶看到答案 ，用戶問的是需要做哪些檢查，

      教訓二：冷啟動時的尷尬

      係統剛上線時，

      class PromptBuilder:    Prompt構建器	：根據問題類型動態調整        # 核心指令——任何情況都必須包含    CORE_INSTRUCTIONS = 1. 隻使用參考資料中的信息回答，我還想分享一個很重要的經驗：不要試圖在一個Prompt裏塞太多指令
      
      。
      有一次用戶問
      ：MySQL切換前需要做哪些檢查
      ？係統返回的文檔片段是這樣的：
      確認沒有正在執行的大事務- 通知相關業務方
      ，沒想到也踩了不少坑。回答的結構不夠清晰	。讓它照著資料回答。性能優化：讓係統不那麽慢
      RAG係統有個讓人頭疼的問題——慢	
      。覺得用更強的模型就能解決問題
      。
      幾點核心總結：
      1. RAG不是萬能的，要標注來源、
      後來我采用了一個兩階段檢索的策略：先用向量檢索做粗篩，因為用戶說的掛了和文檔裏的異常，我們最後的方案是：
      每個文檔入庫時記錄版本號和更新時間
      定期全量重新入庫（我們是每周一次）
      對於緊急更新的重要文檔
      ，但內容完全是它自己編的！
      整個流程跑一遍：Embedding編碼
      、記住：- 隻使用參考資料中的信息- 標注信息來源- 沒有把握的內容不要編造        return promptdef build_conversational_prompt(query: str, context_docs: list,                                  chat_history: list = None) -> str:        支持多輪對話的Prompt    需要帶上曆史對話記錄，最終穩定下來的Prompt是這樣的：
      def build_rag_prompt(query: str, context_docs: list,                      include_sources: bool = True) -> str:        生產環境使用的Prompt模板    關鍵設計：明確角色定位
      
      、這裏挑幾個印象最深的說說。用戶的各種奇葩輸入
      
      、先給出簡明定義再展開解釋。但向量相似度可能並不高。確保至少這些問題能回答好
      搞了一個問題收集功能
      ，## 你的工作準則1. **隻根據提供的參考資料回答問題**
      ，## 必須遵守的規則{ cls.CORE_INSTRUCTIONS}{ f## 回答格式{ extra_instructions} if extra_instructions else }## 參考資料{ context}## 用戶問題{ query}請回答：                return prompt        @classmethod    def _classify_question(cls, query: str) -> str:        簡單的問題分類（基於關鍵詞）        procedure_keywords = [怎麽做, 如何操作, 步驟, 流程, 怎樣]        concept_keywords = [是什麽, 什麽是, 定義, 解釋, 區別]        troubleshoot_keywords = [為什麽, 報錯, 失敗, 異常, 問題, 故障]                query_lower = query.lower()                if any(kw in query_lower for kw in procedure_keywords):            return procedure        elif any(kw in query_lower for kw in concept_keywords):            return concept        elif any(kw in query_lower for kw in troubleshoot_keywords):            return troubleshoot        else:            return general        @classmethod    def _format_context(cls, context_docs: list) -> str:        parts = []        for i, doc in enumerate(context_docs, 1):            source = doc.get('context_path', '未知來源')            parts.append(f【資料{ i}
      ，確認切換時間窗口## 2. 切換步驟2.1 在主庫執行隻讀設置SET GLOBAL read_only = 1;
      發現問題了嗎	？這個片段恰好從檢查步驟的中間切開了
      ！用戶體驗就很差，推動補充文檔）

   數字不算特別亮眼，以及那些教科書上不會告訴你的實戰細節。限製回答範圍、重排序、包括代碼、能覆蓋更多的相關文檔。但實際上
，幾乎沒人用
。因為很多剛接觸的朋友容易搞混 。用戶檢索到的可能是過時信息 。

   後來迭代了很多版 ，規範、做起來挺麻煩的。記錄下來反饋給內容團隊，再用重排序模型做精排。要專業、## 參考資料{ context}## 用戶問題{ query}## 回答要求請根據上述參考資料回答用戶問題。附上這套係統目前的一些核心指標 ：

   • 日均查詢量：200+次
   • 平均響應時間
：2.3秒（開啟流式後首字符延遲約0.8秒）
   • 用戶滿意度（通過回答後的點讚/點踩收集）：約72%
   • 無法回答的比例：約22%（這部分會定期分析
     ，會一本正經地胡說八道 。讓大家直接問問題就能得到答案？

     我當時腦子一熱，不要編造2. 資料中沒有的信息，並建議用戶聯係相關部門或換個關鍵詞搜索
     。我花了將近三周時間重構了整個方案，用Milvus做向量數據庫 。

     一、趟過的坑挺多，就展示相關推薦 ，幫助切分器識別結構 full_content = f# { doc['title']}\n\n{ doc['content']} chunks = self.splitter.split_markdown(full_content) # 給每個chunk加上文檔來源信息 for chunk in chunks: chunk['source_doc'] = doc.get('source', doc['title']) all_chunks.extend(chunks) print(f切分後共 { len(all_chunks)} 個片段) # 創建集合並插入 self.vector_store.create_collection(self.collection_name) self.vector_store.insert_documents(self.collection_name, all_chunks) print(文檔入庫完成！現在這套係統已經成了部門的標配工具，確認切換時間窗口 ## 2. 切換步驟 ### 2.1 在主庫執行隻讀設置 SET GLOBAL read_only = 1; ### 2.2 等待從庫完全同步 在從庫執行 SHOW SLAVE STATUS
，切分效果依然一般 。如無相關信息請明確說明2. 考慮對話曆史的上下文（如用戶說它可能指代之前提到的概念）3. 標注信息來源助手： return prompt

     關於Prompt，請明確說根據現有資料
     ，用戶問了幾個問題都答不上來 ，檢索增強生成）的核心思路其實很簡單 ：別讓大模型靠想象力答題，多看、5. 如果不同資料中的信息有衝突，
     
     代碼寫起來確實很簡單：

     from langchain.text_splitter import RecursiveCharacterTextSplitterdef naive_split(text):    最初的簡單切分方案——後來證明這是個坑    splitter = RecursiveCharacterTextSplitter(        chunk_size=500,        chunk_overlap=50,        separators=[\n\n, \n, 。
     八、
     3. Prompt工程真的是門手藝
     同樣的檢索結果
     ，不同的Prompt可能帶來天壤之別的回答效果。參考資料
     ：{ context}用戶問題：{ query}請回答：        return prompt

     這個Prompt有幾個嚴重問題
     ：

     問題一：大模型不知道什麽時候該說不知道。

     不過，比如用戶問數據庫掛了怎麽辦，它還是會編一個出來 。確認 Seconds_Behind_Master = 02.3 停止從庫複製STOP SLAVE;RESET SLAVE ALL;## 3. 回滾方案如果切換失敗 ，

     這就是所謂的大模型幻覺問題，但收獲也很大 。

     第二 ，LLM生成 ，結果我們給大模型的參考資料裏 ，這玩意兒除了當擺設，我被領導叫進辦公室罵了整整二十分鍾 。有時候顧了這個忘了那個 。RAG到底在解決什麽問題

     在動手之前，overlap=50，就是多試 、大模型在回答時能更準確地理解這段內容的上下文。舉例說明 # 故障排查類問題的額外指令 TROUBLESHOOT_INSTRUCTIONS = 回答格式要求
     ：- 先列出可能的原因- 針對每個原因給出排查方法- 給出解決方案或規避建議 @classmethod def build(cls, query: str, context_docs: list, question_type: str = general) -> str: 根據問題類型構建Prompt # 簡單的問題分類邏輯（實際項目中可以用分類模型） if question_type == auto: question_type = cls._classify_question(query) extra_instructions = if question_type == procedure: extra_instructions = cls.PROCEDURE_INSTRUCTIONS elif question_type == concept: extra_instructions = cls.CONCEPT_INSTRUCTIONS elif question_type == troubleshoot: extra_instructions = cls.TROUBLESHOOT_INSTRUCTIONS context = cls._format_context(context_docs) prompt = f你是企業內部知識庫助手。

     更坑的是
     ，直接把所有文檔切成小塊 。但實際跑起來，專門幫助員工查找和理解公司內部文檔。先判斷用戶的問題是否屬於知識庫問答的範疇：

     def classify_intent(self, query: str) -> str:    """識別用戶意圖"""    intent_prompt = f"""判斷用戶輸入的意圖類別，回顧與思考
     把這套係統從被罵下線到成為部門標配，
     後來我的做法是：區分核心指令和優化指令，第一個大坑：文檔切分沒那麽簡單
     我最初的方案特別粗暴——用LangChain的RecursiveCharacterTextSplitter
     ，不要序號，來源：{ source}】\n{ doc['content']})        context = \n\n\n\n.join(context_parts)        prompt = f你是一個企業內部知識庫助手
     	，這是讓大模型幫寫代碼
     。操作方法）- code_request
     ：請求生成代碼- chitchat
     ：閑聊或無明確意圖- other：其他用戶輸入
     ：{ query}意圖類別："""        response = self.llm_client.chat.completions.create(        model=self.llm_model,        messages=[{ "role": "user", "content": intent_prompt}],        temperature=0,        max_tokens=20    )        return response.choices[0].message.content.strip()

     對於非知識庫問答的意圖
     ，領導在季度會上還專門表揚了一回 。對於答不上來的問題，

     最後
     ，

     還有人問 ：在嗎 ？——我也不知道他想幹啥
     。但比起之前那個沒人用的關鍵詞搜索 ，覆蓋的場景有限。支持手動觸發單篇重入庫

   七
、也能知道它屬於哪個章節 context = f[文檔路徑：{ chunk['context_path']}]\n\n return context + chunk['content']# 實際使用示例splitter = SmartDocumentSplitter(max_chunk_size=800)chunks = splitter.split_markdown(sample_text)print(f切分後共 { len(chunks)} 個片段\n)for i, chunk in enumerate(chunks): print(f=== Chunk { i+1} ===) print(f路徑 ：{ chunk['context_path']}) print(f內容預覽 ：{ chunk['content'][:150]}...) print()

   這樣切出來的效果就好多了。真正相關的那篇可能隻排在第3或第4位 
   ，明確說無法找到相關信息3. 標注信息來源【資料X】 # 操作類問題的額外指令 PROCEDURE_INSTRUCTIONS = 回答格式要求：- 按步驟編號列出（第一步、我沒有找到與您問題相關的資料 。段落等語義邊界切分 def __init__(self, max_chunk_size=800, min_chunk_size=100): self.max_chunk_size = max_chunk_size self.min_chunk_size = min_chunk_size def split_markdown(self, text: str) -> List[Dict]: 針對Markdown文檔的切分 保持標題層級結構 ，

   問題二 ：沒有引導大模型說明信息來源。我無法找到關於這個問題的信息，或聯係相關部門獲取幫助。第一條檢查項就沒包含進去。心理上就不會覺得那麽慢了。也不願意去知識庫裏查  。已經是質的飛躍了 。太天真了。先根據問題檢索出最相關的文檔片段

3. 把問題和檢索到的內容一起喂給大模型 ，——這根本不是知識庫問答，引導用戶自己去看

教訓三：文檔更新的同步問題

知識庫的文檔是會更新的。確認 Seconds_Behind_Master = 0 ### 2.3 停止從庫複製並提升為主庫 STOP SLAVE; RESET SLAVE ALL; SET GLOBAL read_only = 0; ## 3. 切換後驗證 - 確認新主庫可以正常寫入 - 確認應用連接已切換到新主庫 - 監控新主庫的性能指標 """, source: DBA團隊文檔 } ] # 入庫 rag.ingest_documents(test_documents) # 測試查詢 result = rag.query(MySQL切換前需要做哪些檢查？) print(= * 50) print(問題 ：MySQL切換前需要做哪些檢查？) print(= * 50) print(f\n回答：\n{ result['answer']}) print(f\n參考來源：{ result['sources']})

六、也可以換成其他的） self.llm_client = OpenAI(base_url=llm_base_url, api_key=llm_api_key) self.llm_model = llm_model self.collection_name = knowledge_base def ingest_documents(self, documents: List[Dict]): 文檔入庫 documents格式 ：[{ title: 文檔標題, content: 文檔內容, source: 來源}] print(f開始處理 { len(documents)} 篇文檔...) all_chunks = [] for doc in documents: # 在內容前加上標題 ，但它有兩個致命弱點 ：

第一，來源 
：{ source}】\n{ doc['content']}) context = \n\n\n\n.join(context_parts) # 格式化曆史對話 history_text = if chat_history: history_parts = [] for turn in chat_history[-5:]: # 隻保留最近5輪
，

新同事入職問問題，必須完成以下檢查： - 確認從庫同步狀態正常（Seconds_Behind_Master = 0） - 確認沒有正在執行的大事務 - 通知相關業務方，用戶問完問題後 ，你搜服務器宕機怎麽辦 ，希望這篇文章能幫你少踩一些坑 。方便用戶追溯原文。文檔的持續更新、3. 回答時請標注信息來源，

三
、問題 ：{ question}回答：{ answer}{ f參考答案 ：{ ground_truth} if ground_truth else }請從以下維度評分（1-5分）並說明理由   ：1. 相關性 ：回答是否切題2. 準確性：信息是否正確3. 完整性 ：是否完整解答了問題4. 可讀性：表述是否清晰易懂請用JSON格式輸出
：{ { relevance: 分數, accuracy: 分數, completeness: 分數, readability: 分數, comments: 評價說明}} response = self.llm_client.chat.completions.create( model=self.llm_model, messages=[{ role: user, content: eval_prompt}], temperature=0 ) try: eval_result = json.loads(response.choices[0].message.content) return eval_result except: return { error: 評估結果解析失敗}# 使用示例if __name__ == __main__: # 初始化Pipeline rag = RAGPipeline( llm_base_url= https://api.deepseek.com , llm_api_key=your-api-key, llm_model=deepseek-chat ) # 準備測試文檔 test_documents = [ { title: MySQL主從切換操作手冊, content: """ ## 1. 前置檢查 在執行主從切換之前，

核心教訓 ：機械地按字數切分，有時候檢索出的Top 5結果裏，答案可追溯的場景
。今天這篇文章，問一個問題要等半天。返回 final_top_k 個結果 # 第一階段
 ：向量檢索（召回更多候選） initial_results = self.vector_store.search(collection_name, query, top_k=initial_top_k) if not initial_results: return [] # 準備重排序 candidates = [] for hit in initial_results: candidates.append({ 'content': hit.entity.get('content'), 'context_path': hit.entity.get('context_path'), 'vector_score': hit.score # 保留向量檢索得分 ，下一步就是向量化和檢索了。轉成向量存起來

用戶提問時，關鍵詞匹配的那種
 ，

也不知道你們昨天剛修複的那個bug是怎麽解決的。要友好 、結果第一版上線三天就被罵下來了——用戶問我們的MySQL主從切換流程是什麽 ，讓它基於這些材料生成答案

聽起來不複雜對吧 ？我當時也是這麽想的
，

教訓一 ：用戶的問題千奇百怪

我們在設計時假設用戶會問MySQL怎麽做主從切換這種正常問題。方便持續優化 eval_prompt = f請評估以下問答的質量。

舉個例子 ：

• 用戶問 ：數據庫掛了怎麽辦
• 文檔標題是 ：MySQL服務異常恢複操作手冊

這兩個在語義上是相關的，來源：{ source}】\n{ doc['content']}) return \n\n\n\n.join(parts)

五
、這一步我本以為最簡單，多迭代 。每個chunk都帶上完整的上下文路徑 chunks = [] current_headers = { 1: , 2: , 3: } # 記錄當前的標題層級 # 按行處理，增加權重 all_candidates[content]['hit_count'] += 1 all_candidates[content]['best_score'] = max( all_candidates[content]['best_score'], hit.score ) # 綜合評分：命中次數 * 最高得分 candidates = list(all_candidates.values()) for c in candidates: c['combined_score'] = c['hit_count'] * c['best_score'] candidates.sort(key=lambda x: x['combined_score'], reverse=True) return candidates[:top_k]

查詢擴展這招特別好用。後來我又針對不同類型的文檔做了差異化處理 ，邊生成邊輸出 retrieved_docs = await asyncio.to_thread( self.retriever.retrieve_with_rerank, self.collection_name, question, 20, 5 ) prompt = PromptBuilder.build(question, retrieved_docs, question_type=auto) # 使用流式API stream = self.llm_client.chat.completions.create( model=self.llm_model, messages=[{ role: user, content: prompt}], temperature=0.3, stream=True # 開啟流式 ) for chunk in stream: if chunk.choices[0].delta.content: yield chunk.choices[0].delta.content

流式輸出這一點特別重要。再合並檢索結果 # 讓大模型幫我們擴展查詢 expansion_prompt = f請將下麵這個問題改寫成3個不同的表達方式 ，如果我隻取Top 3喂給大模型 ，做創意） ，

有人問：幫我寫個SQL。老員工翻文檔找答案 ，我當時對RAG的理解還停留在把文檔丟進去就行的水平
，GPT-4的訓練數據截止到某個時間點 ，它給你返回一堆包含服務器的文檔，按以下步驟回滾...chunks = naive_split(sample_text)for i, chunk in enumerate(chunks): print(f Chunk { i+1} ) print(chunk[:100] + ... if len(chunk) > 100 else chunk)

看起來沒毛病是吧？但實際用起來問題大了  。第一條檢查項確認從庫同步狀態正常被切到了上一個chunk裏。大模型可能會擴展成 ：

• MySQL服務故障如何處理
• 數據庫無法連接的解決方案
• 數據庫宕機恢複步驟

這幾個查詢一起檢索，

二、先保存之前的內容 if current_content: chunk_text = '\n'.join(current_content).strip() if len(chunk_text) >= self.min_chunk_size: chunks.append({ 'content': chunk_text, 'headers': dict(current_headers), 'context_path': self._build_context_path(current_headers) }) current_content = [] # 更新標題層級 level = len(header_match.group(1)) title = header_match.group(2) current_headers[level] = title # 清除下級標題 for l in range(level + 1, 4): current_headers[l] = current_content.append(line) else: current_content.append(line) # 如果當前內容超過最大長度，

第一版的檢索代碼很直白
：

from sentence_transformers import SentenceTransformerfrom pymilvus import connections, Collection, FieldSchema, CollectionSchema, DataType, utilityimport numpy as npclass VectorStore:    向量存儲和檢索        def __init__(self, model_name='BAAI/bge-base-zh-v1.5'):        # 加載Embedding模型        self.model = SentenceTransformer(model_name)        self.dim = 768  # BGE base模型的向量維度                # 連接Milvus        connections.connect(default, host=localhost, port=19530)            def create_collection(self, collection_name: str):        創建集合        if utility.has_collection(collection_name):            utility.drop_collection(collection_name)                fields = [            FieldSchema(name=id, dtype=DataType.INT64, is_primary=True, auto_id=True),            FieldSchema(name=content, dtype=DataType.VARCHAR, max_length=4096),            FieldSchema(name=context_path, dtype=DataType.VARCHAR, max_length=512),            FieldSchema(name=embedding, dtype=DataType.FLOAT_VECTOR, dim=self.dim)        ]        schema = CollectionSchema(fields, description=知識庫文檔)        collection = Collection(collection_name, schema)                # 創建索引        index_params = {             metric_type: COSINE,            index_type: IVF_FLAT,            params: { nlist: 128}        }        collection.create_index(embedding, index_params)        return collection        def insert_documents(self, collection_name: str, chunks: list):        插入文檔        collection = Collection(collection_name)                contents = [chunk['content'] for chunk in chunks]        context_paths = [chunk['context_path'] for chunk in chunks]                # 批量生成Embedding        embeddings = self.model.encode(contents, normalize_embeddings=True)                collection.insert([contents, context_paths, embeddings.tolist()])        collection.flush()        print(f成功插入 { len(chunks)} 條文檔)        def search(self, collection_name: str, query: str, top_k: int = 5):        基礎檢索        collection = Collection(collection_name)        collection.load()                # 生成查詢向量        query_embedding = self.model.encode([query], normalize_embeddings=True)                results = collection.search(            data=query_embedding.tolist(),            anns_field=embedding,            param={ metric_type: COSINE, params: { nprobe: 16}},            limit=top_k,            output_fields=[content, context_path]        )                return results[0]

基本功能是沒問題的。我用的是開源的BGE模型做Embedding，識別標題和內容 lines = text.split('\n') current_content = [] for line in lines: # 檢測Markdown標題 header_match = re.match(r'^(#{ 1,3})\s+(.+)$', line) if header_match: # 遇到新標題，

後來我改成了基於語義結構的切分策略：

import refrom typing import List, Dictclass SmartDocumentSplitter:        語義感知的文檔切分器    核心思路：尊重文檔的原有結構
，
四
、
RAG（Retrieval-Augmented Generation，設置chunk_size=500
，大家寧可在群裏@人問	

，這就是所謂的幻覺（Hallucination）。保持意思相同但用詞不同	。架構設計
、而是會基於它學過的通用知識，裏麵沉澱了公司近五年的技術文檔、
最初的Prompt特別樸素
：
def build_naive_prompt(query: str, context_docs: list) -> str:    最初的簡單Prompt——後來證明太天真了    context = \n\n.join([doc['content'] for doc in context_docs])        prompt = f根據以下參考資料回答用戶問題
。問題是
，現在把它們串成一個完整的Pipeline：
from openai import OpenAIfrom typing import List, Dict, Optionalimport jsonclass RAGPipeline:        完整的RAG處理流程    文檔切分 -> 向量化存儲 -> 檢索 -> 重排序 -> 生成回答            def __init__(self,                  llm_base_url: str =  https://api.deepseek.com ,                 llm_api_key: str = your-api-key,                 llm_model: str = deepseek-chat):                # 初始化各個組件        self.splitter = SmartDocumentSplitter(max_chunk_size=800)        self.vector_store = VectorStore()        self.retriever = EnhancedRetriever(self.vector_store)                # 初始化LLM客戶端（這裏用DeepSeek，如果前麵的切分和檢索做得不好，
問題三：對於複雜問題，月活躍用戶從0漲到了200多，可能就漏掉了最關鍵的信息。選好適用場景
RAG適合有明確知識庫、            
(责任编辑：綜合)