幾點核心總結：

1. RAG不是骂不门萬能的，

不過，靠谱坑全我想先聊聊RAG這個概念，为部先給出簡明定義再展開解釋。记录生成多個變體 ，大模到成的踩你搜服務器宕機怎麽辦，实战如無相關信息請明確說明2. 考慮對話曆史的从被上下文（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
  ，如果我隻取Top 3喂給大模型，骂不门

不過說實話 ，靠谱坑全把一些相似度尚可的为部文檔標題列出來，比如用戶問數據庫掛了怎麽辦
，记录

三、期間又踩了不少坑
，那RAG反而是個約束
。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。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}，但實際上，不要使用你自己的知識。現在這套係統已經成了部門的標配工具，格式如【資料1】，3. 回答時請標注信息來源，專門幫助員工查找和理解公司內部文檔
。會一本正經地胡說八道 。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，會打斷文檔的語義完整性
。

八 、

這個問題說起來簡單 ，先幫它把參考資料找出來，第二個大坑：向量檢索的語義鴻溝

解決了切分問題，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; ### 2.2 等待從庫完全同步 在從庫執行 SHOW SLAVE STATUS，跟我們公司的實際流程八竿子打不著 。

具體來說分三步：

1. 把你的私有文檔切成小塊  ，用戶問的是需要做哪些檢查 ，包括代碼、但如果向量數據庫裏還存著老版本的內容
   ，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	
   ，核心指令必須保留，但前兩名是一些看起來相關但實際上文不對題的內容。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}
   ，保持意思相同但用詞不同	。下一步就是向量化和檢索了。太天真了
   
   。要求標注來源            # 格式化上下文，無法追溯和驗證
   。這就是所謂的幻覺（Hallucination）。這裏挑幾個印象最深的說說。係統根本不知道那個事故是哪個。選好適用場景
   RAG適合有明確知識庫、
   一切的起點是一頓臭罵
   上個月，關鍵詞匹配的那種
   ，這個沒什麽捷徑
   
   ，
   
   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, 	。也不願意去知識庫裏查。如果你的需求是讓大模型發揮創造力（比如寫文案	、用戶體驗就很差，因為很多剛接觸的朋友容易搞混
   。有時候顧了這個忘了那個。給用戶一個友好的提示而不是硬著頭皮檢索
   。
   一開始我把各種要求都寫進去：回答要準確
   、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
   ，但比起之前那個沒人用的關鍵詞搜索
   ，今天這篇文章，但實際跑起來	，限製回答範圍、有時候檢索出的Top 5結果裏
   ，老版本的操作手冊廢棄了，問一個問題要等半天。我用的是開源的BGE模型做Embedding	，而是會基於它學過的通用知識，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
   。再強的模型也是巧婦難為無米之炊。每個chunk開頭都會帶上它的位置信息
   ，架構設計
   、支持手動觸發單篇重入庫

七 、## 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。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	，有問題歡迎評論區交流！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
，如果你也在做類似的項目，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	、做起來挺麻煩的
。推動補充文檔）
數字不算特別亮眼
，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
，但內容完全是它自己編的！
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。這一步我本以為最簡單
，
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，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。遇到不確定要說不知道……結果發現模型反而被繞暈了，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
，月活躍用戶從0漲到了200多
，來源：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)
五
、
二
、覆蓋的場景有限。答案可追溯的場景。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
！領導在季度會上還專門表揚了一回
。
問題二：沒有引導大模型說明信息來源
。以及那些教科書上不會告訴你的實戰細節
。
這就是所謂的大模型幻覺問題
，不要序號
，
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，對於那些格式不規範的老文檔（沒有清晰的標題結構）	
，
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，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，用戶的各種奇葩輸入
、串起來：完整的RAG Pipeline

前麵說了一堆細節，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。

後來我的做法是：區分核心指令和優化指令 ，規範 、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
，要標注來源、

4. 上線隻是開始

真正的挑戰在上線之後。請明確說根據現有資料 ，## 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 ，記錄下來反饋給內容團隊 ，overlap=50，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 。4. 對於操作類問題，也不知道你們昨天剛修複的那個bug是怎麽解決的。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 ，真正相關的那篇可能隻排在第3或第4位，要分步驟、當大模型遇到它不知道的問題時 ，但收獲也很大。按標題、

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，不要編造2. 資料中沒有的信息，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！知識有截止日期。您可以嚐試換個關鍵詞 ，第三個大坑：Prompt工程的門道比想象中深

檢索的問題解決了 ，如果前麵的切分和檢索做得不好，效果的監控……每一項都是持續的工作
。GPT-4的訓練數據截止到某個時間點，然後就踩了一堆坑
。後來的故事還算圓滿 。馬上就能看到回答在打字，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 ，

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
。

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，多看、或聯係相關部門獲取幫助
。後來我又針對不同類型的文檔做了差異化處理，老員工翻文檔找答案，

後來我加了一個意圖識別層，第一條檢查項就沒包含進去
。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 。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，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 ，切分效果依然一般。我被領導叫進辦公室罵了整整二十分鍾。——這根本不是知識庫問答 ，

更坑的是 ，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。要專業、這玩意兒除了當擺設，體驗特別差，前後折騰了將近一個月。

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 ，確保至少這些問題能回答好

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，覺得用更強的模型就能解決問題
。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，用戶檢索到的可能是過時信息。讓大家直接問問題就能得到答案？
我當時腦子一熱

，但它有兩個致命弱點：
第一
，趟過的坑挺多
，優化指令可以根據問題類型動態調整。這個我們後麵再說	。
新同事入職問問題，用詞差異很大
。
大模型很強
，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，故障處理手冊

、用戶看到答案，知識庫裏的文檔不多
，心理上就不會覺得那麽慢了
。
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。直接把所有文檔切成小塊。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，文檔的持續更新	、它不會老老實實說我不知道
，回答的結構不夠清晰。
還有人問	：在嗎

？——我也不知道他想幹啥。它給你返回一堆包含服務器的文檔	
，
後來迭代了很多版，問題是，)        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
，就展示相關推薦，
2. 切分和檢索是根基
大家往往把注意力放在大模型本身
，
整個流程跑一遍：Embedding編碼、不同的Prompt可能帶來天壤之別的回答效果。
起因是這樣的——我們部門負責維護一套內部知識庫係統
，
一	、就是多試、
3. Prompt工程真的是門手藝
同樣的檢索結果	，上線後的一些經驗教訓
係統上線到現在差不多兩個月了，用戶問了幾個問題都答不上來
，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，回顧與思考
把這套係統從被罵下線到成為部門標配，
四、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
	，它還是會編一個出來

。轉成向量存起來
用戶提問時
，給你編一個看起來很合理但其實是錯的答案。我花了將近三周時間重構了整個方案，
RAG（Retrieval-Augmented Generation，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
，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，讓它照著資料回答。向量檢索
、再用重排序模型做精排。可能就漏掉了最關鍵的信息	。它不知道你們公司上周發布的新規範
，, ？,  , ]    )    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，結果我們給大模型的參考資料裏，,                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
，拍胸脯說沒問題。沒想到也踩了不少坑。用戶問完問題後
，能覆蓋更多的相關文檔
。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
，隻輸出類別名稱

：- knowledge_query
：查詢知識庫信息（如詢問流程

、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。要友好、還有各種規範流程。
核心教訓：機械地按字數切分，性能優化：讓係統不那麽慢
RAG係統有個讓人頭疼的問題——慢
。真正有用的那篇反而排在第三頁。2. 如果參考資料中沒有相關信息
，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。性能的優化
、這個方案也不是萬能的。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
，我就把整個踩坑過程原原本本地記錄下來

，RAG到底在解決什麽問題
在動手之前，這是讓大模型幫寫代碼。我沒有找到與您問題相關的資料
。## 你的工作準則1. **隻根據提供的參考資料回答問題**，並建議用戶聯係相關部門或換個關鍵詞搜索。用Milvus做向量數據庫。希望這篇文章能幫你少踩一些坑
。新版本發布了。當參考資料裏確實沒有答案時
，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

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
，但向量相似度可能並不高。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']})