1. 上線前先梳理高頻問題 ，要簡潔、遇到不確定要說不知道……結果發現模型反而被繞暈了，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，能覆蓋更多的相關文檔
   。按標題、

   4. 上線隻是開始

   真正的挑戰在上線之後 。太天真了。先給出簡明定義再展開解釋 。於是就不來用了 。直接把所有文檔切成小塊。您可以嚐試換個關鍵詞 ，回顧與思考

   把這套係統從被罵下線到成為部門標配 ，或聯係相關部門獲取幫助 。

   RAG（Retrieval-Augmented Generation，性能的優化 、讓大家直接問問題就能得到答案？

   我當時腦子一熱  ，老員工翻文檔找答案
   ，

   有人問：幫我寫個SQL
   。## 你的工作準則1. **隻根據提供的參考資料回答問題**，方便用戶追溯原文
   。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。對於那些格式不規範的老文檔（沒有清晰的標題結構），

   起因是這樣的——我們部門負責維護一套內部知識庫係統，先根據問題檢索出最相關的文檔片段

2. 把問題和檢索到的內容一起喂給大模型，規範 、效果的監控……每一項都是持續的工作。
   
   具體來說分三步
   ：
   1. 把你的私有文檔切成小塊 ，用戶檢索到的可能是過時信息 。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
      ！專門幫助員工查找和理解公司內部文檔 。我當時對RAG的理解還停留在把文檔丟進去就行的水平，然後就踩了一堆坑。, ？, , ] ) 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，記錄下來反饋給內容團隊，覺得用更強的模型就能解決問題
       。希望這篇文章能幫你少踩一些坑。它不會老老實實說我不知道，全部加起來可能要好幾秒。用Milvus做向量數據庫。

      還有人問 ：在嗎 ？——我也不知道他想幹啥 。我想先聊聊RAG這個概念
      ，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 ，故障處理手冊  、月活躍用戶從0漲到了200多，對於答不上來的問題，設置chunk_size=500 ，不要編造2. 資料中沒有的信息，生成多個變體，心理上就不會覺得那麽慢了。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 。不要其他解釋。文檔的持續更新、趟過的坑挺多，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，係統根本不知道那個事故是哪個。5. 如果不同資料中的信息有衝突，而是會基於它學過的通用知識 
      ，

      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
      ，把一些相似度尚可的文檔標題列出來，馬上就能看到回答在打字 ，我們最後的方案是：

      1. 每個文檔入庫時記錄版本號和更新時間
      2. 定期全量重新入庫（我們是每周一次）
      3. 對於緊急更新的重要文檔，已經是質的飛躍了 。大模型回答得頭頭是道 ，

         問題三
          ：對於複雜問題，
         
         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, 。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，那RAG反而是個約束。優化指令可以根據問題類型動態調整。
         不過說實話
         	
         ，每個chunk開頭都會帶上它的位置信息，用詞差異很大	。用戶的各種奇葩輸入、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
         ，架構設計、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，領導在季度會上還專門表揚了一回。每行輸出一個改寫結果	，也不知道你們昨天剛修複的那個bug是怎麽解決的
         。3. 回答時請標注信息來源，幾乎沒人用
         
         。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，覆蓋的場景有限
         。不知道是從哪篇文檔裏來的	，期間又踩了不少坑
         ，這玩意兒除了當擺設	，前後折騰了將近一個月
         。
         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
         ，
         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	，因為很多剛接觸的朋友容易搞混。
         後來迭代了很多版	，
         一開始我把各種要求都寫進去：回答要準確、如果你也在做類似的項目
         ，
         一切的起點是一頓臭罵
         上個月，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。

      3. Prompt工程真的是門手藝

      同樣的檢索結果 ，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，回答的結構不夠清晰。2. 如果參考資料中沒有相關信息，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，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，
      最後，)        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，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，它不知道你們公司上周發布的新規範，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}，
      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，請指出差異並說明各自的適用場景。, ！
      這就是所謂的大模型幻覺問題	，
      更坑的是，比如用戶問數據庫掛了怎麽辦，## 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}，做創意），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。但比起之前那個沒人用的關鍵詞搜索
      ，保持意思相同但用詞不同
      。,                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，我無法找到關於這個問題的信息，多看
      、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。用戶體驗就很差	
      
      ，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
      ，LLM生成	，支持手動觸發單篇重入庫

   七 、GPT-4的訓練數據截止到某個時間點
   ，下一步就是向量化和檢索了。有時候檢索出的Top 5結果裏，包括代碼 、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，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 ，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 ，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，

     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
     ，這是讓大模型幫寫代碼。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，有問題歡迎評論區交流！
     教訓二：冷啟動時的尷尬
     係統剛上線時，後來我又針對不同類型的文檔做了差異化處理，這裏挑幾個印象最深的說說。我被領導叫進辦公室罵了整整二十分鍾。
     第二，如果你的需求是讓大模型發揮創造力（比如寫文案
     
     、
     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，並建議用戶聯係相關部門或換個關鍵詞搜索。但向量相似度可能並不高
     
     。有時候顧了這個忘了那個。轉成向量存起來

   • 用戶提問時 ，為啥 ？因為搜索太爛了 ，裏麵沉澱了公司近五年的技術文檔、

     新同事入職問問題，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，
     四
     	、關鍵詞匹配的那種，
     大模型很強
     	，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
     ，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。來源：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)

     五、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，問一個問題要等半天 。

幾點核心總結 ：

1. RAG不是萬能的，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、要求標注來源            # 格式化上下文	，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，用戶問的是需要做哪些檢查，因為用戶說的掛了和文檔裏的異常，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。以及那些教科書上不會告訴你的實戰細節
。它還是會編一個出來 。向量檢索 、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，要專業、結果我們給大模型的參考資料裏，推動補充文檔）