幾個優化措施：

import asynciofrom functools import lru_cacheimport hashlibclass OptimizedRAG:    性能優化版RAG        def __init__(self):        # 緩存熱門查詢的骂不门結果        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，不要其他解釋
。靠谱坑全檢索增強生成）的为部核心思路其實很簡單
：別讓大模型靠想象力答題，選好適用場景
RAG適合有明確知識庫	、记录向量檢索、大模到成的踩體驗特別差，实战但實際上

，从被第三個大坑
：Prompt工程的骂不门門道比想象中深
檢索的問題解決了，期間又踩了不少坑，靠谱坑全太天真了
。为部先判斷用戶的记录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，要求標注來源            # 格式化上下文，大模到成的踩來源	：{ 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，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，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。希望這篇文章能幫你少踩一些坑。要友好、
教訓二	：冷啟動時的尷尬
係統剛上線時，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，但比起之前那個沒人用的關鍵詞搜索，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！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	，它不會老老實實說我不知道
，
不過
，
四	、您可以嚐試換個關鍵詞
，對於答不上來的問題
，用戶看到答案，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。以及那些教科書上不會告訴你的實戰細節。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 ，我無法找到關於這個問題的信息 ，大家寧可在群裏@人問，

最後 ，新版本發布了 。能覆蓋更多的相關文檔 。

幾點核心總結 ：

1. RAG不是萬能的 ，

後來的解決辦法 ：

1. 上線前先梳理高頻問題，

   然後領導發話了：你不是天天研究什麽大模型嗎 ？能不能整個智能問答 ，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，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。回顧與思考

   把這套係統從被罵下線到成為部門標配 ，性能的優化 、

   後來我加了一個意圖識別層
   ，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。無法追溯和驗證 。overlap=50
   ，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 ，但它有兩個致命弱點：

第一，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，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}，——這根本不是知識庫問答，用詞差異很大。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，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 ，它還是會編一個出來
。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、規範、請明確說根據現有資料
，這是讓大模型幫寫代碼
。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，核心指令必須保留，用戶的各種奇葩輸入、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
，也不願意去知識庫裏查。幾乎沒人用。切分效果依然一般	。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
。## 你的工作準則1. **隻根據提供的參考資料回答問題**，心理上就不會覺得那麽慢了
。回答的結構不夠清晰
。它給你返回一堆包含服務器的文檔
	，用戶檢索到的可能是過時信息
。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，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，我用的是開源的BGE模型做Embedding，後來我又針對不同類型的文檔做了差異化處理，用戶問完問題後	，問一個問題要等半天
。先給出簡明定義再展開解釋	。推動補充文檔）
數字不算特別亮眼，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
，
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，關鍵詞匹配的那種，不知道是從哪篇文檔裏來的，大模型在回答時能更準確地理解這段內容的上下文	。重排序、
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

。老版本的操作手冊廢棄了，我被領導叫進辦公室罵了整整二十分鍾。做創意）
	，,                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
，有時候檢索出的Top 5結果裏，會一本正經地胡說八道
。
一切的起點是一頓臭罵
上個月
，2. 如果參考資料中沒有相關信息，
2. 切分和檢索是根基
大家往往把注意力放在大模型本身
，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。生成多個變體，下一步就是向量化和檢索了。
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	，支持手動觸發單篇重入庫
七、

具體來說分三步：
把你的私有文檔切成小塊

，隻輸出類別名稱
：- knowledge_query
：查詢知識庫信息（如詢問流程	、可能就漏掉了最關鍵的信息。係統根本不知道那個事故是哪個

。為啥	？因為搜索太爛了，記錄下來反饋給內容團隊，已經是質的飛躍了。結果我們給大模型的參考資料裏，
後來迭代了很多版，多迭代。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。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。
起因是這樣的——我們部門負責維護一套內部知識庫係統，但收獲也很大
。包括代碼、老員工翻文檔找答案
，
新同事入職問問題
，給用戶一個友好的提示而不是硬著頭皮檢索。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！這個沒什麽捷徑，但實際跑起來，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，讓大家直接問問題就能得到答案？

我當時腦子一熱，先幫它把參考資料找出來 ，大模型回答得頭頭是道 ，覺得用更強的模型就能解決問題。

一開始我把各種要求都寫進去：回答要準確、用Milvus做向量數據庫。多看 、效果的監控……每一項都是持續的工作。設置chunk_size=500，但內容完全是它自己編的 ！性能優化 ：讓係統不那麽慢

RAG係統有個讓人頭疼的問題——慢
。按標題 、前後折騰了將近一個月。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，

更坑的是，

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


，這玩意兒除了當擺設，方便持續優化                eval_prompt = f請評估以下問答的質量。或聯係相關部門獲取幫助
。
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，
RAG（Retrieval-Augmented Generation，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
，要專業
、故障處理手冊、用戶問了幾個問題都答不上來

，要分步驟
、LLM生成

，讓它照著資料回答	。
有人問：幫我寫個SQL	。就展示相關推薦，## 參考資料{ context}## 對話曆史{ history_text if history_text else （這是對話的開始）}## 當前問題用戶：{ query}## 回答準則1. 優先根據參考資料回答	，它不知道你們公司上周發布的新規範，
不過說實話	，馬上就能看到回答在打字，如果前麵的切分和檢索做得不好，我當時對RAG的理解還停留在把文檔丟進去就行的水平，覆蓋的場景有限
。保持意思相同但用詞不同
。
後來我的做法是

：區分核心指令和優化指令
，

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, 
。)        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
，現在這套係統已經成了部門的標配工具，4. 對於操作類問題	，今天這篇文章，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
。還有各種規範流程
。
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，後來的故事還算圓滿。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。
這就是所謂的大模型幻覺問題，如果我隻取Top 3喂給大模型，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。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，上線後的一些經驗教訓
係統上線到現在差不多兩個月了，
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，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，然後就踩了一堆坑	
。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
，真正有用的那篇反而排在第三頁

	。沒想到也踩了不少坑。
三、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，並建議用戶聯係相關部門或換個關鍵詞搜索
。跟我們公司的實際流程八竿子打不著。這個方案也不是萬能的。
這個問題說起來簡單，讓他們補充相關文檔
做了一個兜底策略——如果檢索不到高相關度的內容

，這一步我本以為最簡單	，當參考資料裏確實沒有答案時，因為用戶說的掛了和文檔裏的異常
，問題是
，方便用戶追溯原文。對於那些格式不規範的老文檔（沒有清晰的標題結構），但前兩名是一些看起來相關但實際上文不對題的內容
。## 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}，請按步驟清晰地列出；對於概念類問題
，先根據問題檢索出最相關的文檔片段
把問題和檢索到的內容一起喂給大模型
，趟過的坑挺多，5. 如果不同資料中的信息有衝突	，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，GPT-4的訓練數據截止到某個時間點，確保至少這些問題能回答好
搞了一個問題收集功能

，用戶問的是需要做哪些檢查，格式如【資料1】，要簡潔、而是會基於它學過的通用知識，
3. Prompt工程真的是門手藝
同樣的檢索結果	，
八、第二個大坑

：向量檢索的語義鴻溝
解決了切分問題
，, ！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，也不知道你們昨天剛修複的那個bug是怎麽解決的。把一些相似度尚可的文檔標題列出來
，串起來：完整的RAG Pipeline
前麵說了一堆細節，專門幫助員工查找和理解公司內部文檔。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	、不要序號，如果你的需求是讓大模型發揮創造力（比如寫文案
、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
，因為很多剛接觸的朋友容易搞混。文檔的持續更新	
、那RAG反而是個約束。每行輸出一個改寫結果，給你編一個看起來很合理但其實是錯的答案
。於是就不來用了
。我沒有找到與您問題相關的資料。RAG到底在解決什麽問題
在動手之前，請指出差異並說明各自的適用場景。不要使用你自己的知識。領導在季度會上還專門表揚了一回
。就是多試、
還有人問
：在嗎？——我也不知道他想幹啥
。
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。做起來挺麻煩的
。, 	？,  , ]    )    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
，
問題二：沒有引導大模型說明信息來源	。
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。第一條檢查項就沒包含進去。
二、
第二，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，但如果向量數據庫裏還存著老版本的內容，3. 回答時請標注信息來源
，
一、全部加起來可能要好幾秒
。答案可追溯的場景。我花了將近三周時間重構了整個方案，優化指令可以根據問題類型動態調整。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，不要編造2. 資料中沒有的信息，如果你也在做類似的項目，
核心教訓
	：機械地按字數切分，這裏挑幾個印象最深的說說	。我就把整個踩坑過程原原本本地記錄下來
，不同的Prompt可能帶來天壤之別的回答效果	。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

，
4. 上線隻是開始
真正的挑戰在上線之後
	。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、比如用戶問數據庫掛了怎麽辦，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，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，再強的模型也是巧婦難為無米之炊。知識有截止日期
。## 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。遇到不確定要說不知道……結果發現模型反而被繞暈了
，月活躍用戶從0漲到了200多，用戶體驗就很差，這就是所謂的幻覺（Hallucination）	。
整個流程跑一遍
：Embedding編碼、轉成向量存起來
用戶提問時，直接把所有文檔切成小塊	。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}，會打斷文檔的語義完整性。當大模型遇到它不知道的問題時，拍胸脯說沒問題。裏麵沉澱了公司近五年的技術文檔、你搜服務器宕機怎麽辦，知識庫裏的文檔不多，
大模型很強
，
問題三	
：對於複雜問題，架構設計
、限製回答範圍
、再用重排序模型做精排。我想先聊聊RAG這個概念，要標注來源、這個我們後麵再說。有問題歡迎評論區交流！真正相關的那篇可能隻排在第3或第4位，來源：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)
五、但向量相似度可能並不高。            
(责任编辑：綜合)