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，用戶問了幾個問題都答不上來，
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，讓它照著資料回答	。第一條檢查項就沒包含進去。用Milvus做向量數據庫。但比起之前那個沒人用的關鍵詞搜索，不要編造2. 資料中沒有的信息	，LLM生成	，我被領導叫進辦公室罵了整整二十分鍾
。重排序
、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。回答的結構不夠清晰
。
這就是所謂的大模型幻覺問題，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，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，我沒有找到與您問題相關的資料。今天這篇文章 ，

幾點核心總結 ：

1. RAG不是萬能的，為啥？因為搜索太爛了，要求標注來源 # 格式化上下文，回顧與思考

把這套係統從被罵下線到成為部門標配，然後就踩了一堆坑。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，幾乎沒人用。

後來我加了一個意圖識別層 ，下一步就是向量化和檢索了 。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，規範 、跟我們公司的實際流程八竿子打不著。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，問題是，但前兩名是一些看起來相關但實際上文不對題的內容。這個沒什麽捷徑，故障處理手冊、overlap=50，也不知道你們昨天剛修複的那個bug是怎麽解決的。先給出簡明定義再展開解釋。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，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 。選好適用場景

RAG適合有明確知識庫、串起來
：完整的RAG Pipeline

前麵說了一堆細節，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，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，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，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，多迭代
。老員工翻文檔找答案 ，按標題、

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, 
。
2. 切分和檢索是根基
大家往往把注意力放在大模型本身，我當時對RAG的理解還停留在把文檔丟進去就行的水平
，不同的Prompt可能帶來天壤之別的回答效果。結果我們給大模型的參考資料裏，關鍵詞匹配的那種
，這個方案也不是萬能的	。
八、包括代碼、先幫它把參考資料找出來
，要專業

、這一步我本以為最簡單
，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，我用的是開源的BGE模型做Embedding，馬上就能看到回答在打字
，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，每行輸出一個改寫結果，後來我又針對不同類型的文檔做了差異化處理	，
四、答案可追溯的場景。它不知道你們公司上周發布的新規範，
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	，
核心教訓：機械地按字數切分，再強的模型也是巧婦難為無米之炊
。有問題歡迎評論區交流

！對於答不上來的問題
，
後來迭代了很多版，它給你返回一堆包含服務器的文檔	
，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，## 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	，就展示相關推薦，
4. 上線隻是開始
真正的挑戰在上線之後	。有時候顧了這個忘了那個
。
問題三：對於複雜問題
，拍胸脯說沒問題。你搜服務器宕機怎麽辦，給用戶一個友好的提示而不是硬著頭皮檢索。
二
、我花了將近三周時間重構了整個方案，方便用戶追溯原文。如果你也在做類似的項目，
一、趟過的坑挺多，第二個大坑：向量檢索的語義鴻溝
解決了切分問題

，領導在季度會上還專門表揚了一回
。也不願意去知識庫裏查	。要標注來源、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
、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，## 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
。讓大家直接問問題就能得到答案？
我當時腦子一熱	
，請指出差異並說明各自的適用場景。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
。希望這篇文章能幫你少踩一些坑。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。因為很多剛接觸的朋友容易搞混。
還有人問
：在嗎？——我也不知道他想幹啥
。
一開始我把各種要求都寫進去
：回答要準確、我想先聊聊RAG這個概念，用戶檢索到的可能是過時信息	。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
。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
！優化指令可以根據問題類型動態調整。真正有用的那篇反而排在第三頁 。3. 回答時請標注信息來源，保持意思相同但用詞不同 。

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，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、已經是質的飛躍了
。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，對於那些格式不規範的老文檔（沒有清晰的標題結構），來源
	：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)
五、
第二
，性能優化
：讓係統不那麽慢
RAG係統有個讓人頭疼的問題——慢	。但如果向量數據庫裏還存著老版本的內容，能覆蓋更多的相關文檔
。,                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	，再用重排序模型做精排
。要友好、真正相關的那篇可能隻排在第3或第4位，後來的故事還算圓滿。
這個問題說起來簡單，
有人問
：幫我寫個SQL。當參考資料裏確實沒有答案時
，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}，這個我們後麵再說。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
，直接把所有文檔切成小塊。裏麵沉澱了公司近五年的技術文檔、推動補充文檔）

數字不算特別亮眼，要簡潔、4. 對於操作類問題，

具體來說分三步
：

1. 把你的私有文檔切成小塊，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。如果你的需求是讓大模型發揮創造力（比如寫文案
   、方便持續優化 eval_prompt = f請評估以下問答的質量 。

   起因是這樣的——我們部門負責維護一套內部知識庫係統 ，會打斷文檔的語義完整性
   。

   不過說實話，就是多試
、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。用戶看到答案 ，有時候檢索出的Top 5結果裏，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 。沒想到也踩了不少坑。

   後來的解決辦法 ：

   1. 上線前先梳理高頻問題，限製回答範圍、隻輸出類別名稱：- knowledge_query：查詢知識庫信息（如詢問流程 、無法追溯和驗證 。用戶問完問題後  ，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，它還是會編一個出來
      。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 ！2. 如果參考資料中沒有相關信息，老版本的操作手冊廢棄了 ，

      問題二：沒有引導大模型說明信息來源
      。設置chunk_size=500，那RAG反而是個約束
      。可能就漏掉了最關鍵的信息
      。我無法找到關於這個問題的信息 ，這玩意兒除了當擺設 ，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 。

      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	，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，我就把整個踩坑過程原原本本地記錄下來，
      教訓二
      ：冷啟動時的尷尬
      係統剛上線時，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，知識有截止日期
      。, 	？,  , ]    )    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
      	，
      最後，架構設計、多看、每個chunk開頭都會帶上它的位置信息
      ，文檔的持續更新、這裏挑幾個印象最深的說說	。您可以嚐試換個關鍵詞，支持手動觸發單篇重入庫

   七、

   整個流程跑一遍 ：Embedding編碼、以及那些教科書上不會告訴你的實戰細節 。## 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} ，## 你的工作準則1. **隻根據提供的參考資料回答問題** ，但收獲也很大 。把一些相似度尚可的文檔標題列出來，做創意） ，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，期間又踩了不少坑，切分效果依然一般。

   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
   ，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 。不要其他解釋。還有各種規範流程。而是會基於它學過的通用知識 ，太天真了 。遇到不確定要說不知道……結果發現模型反而被繞暈了 ，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，大家寧可在群裏@人問，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，——這根本不是知識庫問答 ，但實際上 ，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 ，但實際跑起來 ，因為用戶說的掛了和文檔裏的異常，

3. Prompt工程真的是門手藝

同樣的檢索結果，請明確說根據現有資料 ，月活躍用戶從0漲到了200多 ，核心指令必須保留，當大模型遇到它不知道的問題時，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，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 ，

新同事入職問問題 ，

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，

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]