RAG適合有明確知識庫、靠谱坑全

還有人問：在嗎 ？为部——我也不知道他想幹啥。但前兩名是记录一些看起來相關但實際上文不對題的內容。要專業
、大模到成的踩讓大家直接問問題就能得到答案？实战

我當時腦子一熱，檢索增強生成）的从被核心思路其實很簡單：別讓大模型靠想象力答題 ，這就是骂不门所謂的幻覺（Hallucination）。

三、性能優化：讓係統不那麽慢

RAG係統有個讓人頭疼的为部問題——慢。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 ：回答是记录否切題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，

後來我采用了一個兩階段檢索的大模到成的踩策略 ：先用向量檢索做粗篩 ，我用的是開源的BGE模型做Embedding，

一、用戶的各種奇葩輸入
、跟我們公司的實際流程八竿子打不著。就展示相關推薦 ，

有人問 ：幫我寫個SQL
。但收獲也很大。設置chunk_size=500，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。係統根本不知道那個事故是哪個。真正有用的那篇反而排在第三頁。不要其他解釋
。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 ，比如用戶問數據庫掛了怎麽辦 ，

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
，讓它照著資料回答
。請指出差異並說明各自的適用場景。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 。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。這個方案也不是萬能的
。對於那些格式不規範的老文檔（沒有清晰的標題結構），知識庫裏的文檔不多，後來我又針對不同類型的文檔做了差異化處理，記錄下來反饋給內容團隊，但它有兩個致命弱點 ：

第一 ，

一開始我把各種要求都寫進去：回答要準確 、給用戶一個友好的提示而不是硬著頭皮檢索。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，

大模型很強，有時候檢索出的Top 5結果裏，要分步驟 、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，下一步就是向量化和檢索了。我花了將近三周時間重構了整個方案，

起因是這樣的——我們部門負責維護一套內部知識庫係統，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 ，它不會老老實實說我不知道，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
，這個我們後麵再說。但實際跑起來，它不知道你們公司上周發布的新規範 ，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 
，按標題、

後來我的做法是：區分核心指令和優化指令 ，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。真正相關的那篇可能隻排在第3或第4位，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，用戶體驗就很差 ，

八、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，大模型在回答時能更準確地理解這段內容的上下文 。這是讓大模型幫寫代碼。它給你返回一堆包含服務器的文檔，

4. 上線隻是開始

真正的挑戰在上線之後。方便用戶追溯原文。文檔的持續更新、用戶問的是需要做哪些檢查 ，

核心教訓 ：機械地按字數切分
，

整個流程跑一遍 ：Embedding編碼、沒想到也踩了不少坑。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，多看、

後來迭代了很多版 ，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 。我想先聊聊RAG這個概念 ，

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。
教訓二	：冷啟動時的尷尬
係統剛上線時，
最後
	，,                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，要簡潔	、2. 如果參考資料中沒有相關信息	，

具體來說分三步：
把你的私有文檔切成小塊，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
，月活躍用戶從0漲到了200多
，再強的模型也是巧婦難為無米之炊
。
不過，新版本發布了。但如果向量數據庫裏還存著老版本的內容
，覺得用更強的模型就能解決問題
。LLM生成
，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，3. 回答時請標注信息來源	，因為用戶說的掛了和文檔裏的異常
，期間又踩了不少坑
，第三個大坑
：Prompt工程的門道比想象中深

檢索的問題解決了，如果我隻取Top 3喂給大模型
，馬上就能看到回答在打字，關鍵詞匹配的那種，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}，

這就是所謂的大模型幻覺問題，每行輸出一個改寫結果 ，還有各種規範流程 。現在這套係統已經成了部門的標配工具
，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，用戶看到答案，先給出簡明定義再展開解釋。用戶問完問題後，把一些相似度尚可的文檔標題列出來，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。保持意思相同但用詞不同。覆蓋的場景有限。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 ，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、

3. Prompt工程真的是門手藝

同樣的檢索結果，再用重排序模型做精排。知識有截止日期
。

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, 
。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。——這根本不是知識庫問答，4. 對於操作類問題，您可以嚐試換個關鍵詞，遇到不確定要說不知道……結果發現模型反而被繞暈了，會一本正經地胡說八道。請明確說根據現有資料
，大模型回答得頭頭是道	，我當時對RAG的理解還停留在把文檔丟進去就行的水平，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，專門幫助員工查找和理解公司內部文檔。做起來挺麻煩的 。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，overlap=50 ，但實際上，

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，用Milvus做向量數據庫
。

更坑的是，你搜服務器宕機怎麽辦，這裏挑幾個印象最深的說說。

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
，無法追溯和驗證。
後來我加了一個意圖識別層，要求標注來源            # 格式化上下文	，當參考資料裏確實沒有答案時，重排序
、這個沒什麽捷徑，包括代碼、
問題二：沒有引導大模型說明信息來源。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。不同的Prompt可能帶來天壤之別的回答效果
。這玩意兒除了當擺設，## 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，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，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 ！

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，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	，
四、## 你的工作準則1. **隻根據提供的參考資料回答問題**，回顧與思考
把這套係統從被罵下線到成為部門標配
，但向量相似度可能並不高。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
，答案可追溯的場景
。串起來
：完整的RAG Pipeline

前麵說了一堆細節
，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 。回答的結構不夠清晰。也不知道你們昨天剛修複的那個bug是怎麽解決的 。我無法找到關於這個問題的信息 ，

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
	，並建議用戶聯係相關部門或換個關鍵詞搜索
。它還是會編一個出來
。大家寧可在群裏@人問
，以及那些教科書上不會告訴你的實戰細節。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
，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，會打斷文檔的語義完整性。或聯係相關部門獲取幫助	。確保至少這些問題能回答好
搞了一個問題收集功能，推動補充文檔）
數字不算特別亮眼
，
新同事入職問問題，然後就踩了一堆坑。我就把整個踩坑過程原原本本地記錄下來，裏麵沉澱了公司近五年的技術文檔	、老版本的操作手冊廢棄了
，
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。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
、
問題三：對於複雜問題，RAG到底在解決什麽問題

在動手之前，問題是 ，要標注來源、方便持續優化 eval_prompt = f請評估以下問答的質量。架構設計、也不願意去知識庫裏查。不要編造2. 資料中沒有的信息，領導在季度會上還專門表揚了一回。心理上就不會覺得那麽慢了。拍胸脯說沒問題
。能覆蓋更多的相關文檔。幾乎沒人用
。有時候顧了這個忘了那個
。後來的故事還算圓滿。生成多個變體，有問題歡迎評論區交流 ！太天真了。GPT-4的訓練數據截止到某個時間點，

2. 切分和檢索是根基

大家往往把注意力放在大模型本身 ，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、

確認沒有正在執行的大事務- 通知相關業務方
，直接把所有文檔切成小塊。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。於是就不來用了。優化指令可以根據問題類型動態調整

。
二	、核心指令必須保留
，請按步驟清晰地列出；對於概念類問題，轉成向量存起來
用戶提問時
，那RAG反而是個約束。希望這篇文章能幫你少踩一些坑	。給你編一個看起來很合理但其實是錯的答案。用詞差異很大
。
不過說實話
，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	，趟過的坑挺多
，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
，
RAG（Retrieval-Augmented Generation
，來源
：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)