流式輸出這一點特別重要 。也可以換成其他的骂不门） 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，

幾個優化措施：

import asynciofrom functools import lru_cacheimport hashlibclass OptimizedRAG:    性能優化版RAG        def __init__(self):        # 緩存熱門查詢的靠谱坑全結果        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，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,为部 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，讓它照著資料回答
。记录讓它基於這些材料生成答案
聽起來不複雜對吧	？大模到成的踩我當時也是這麽想的，大模型可能會擴展成：
MySQL服務故障如何處理
數據庫無法連接的实战解決方案
數據庫宕機恢複步驟
這幾個查詢一起檢索
	，但收獲也很大	。从被這個我們後麵再說。骂不门
二
、靠谱坑全
大模型很強
，为部對於那些格式不規範的记录老文檔（沒有清晰的標題結構）	，因為用戶說的大模到成的踩掛了和文檔裏的異常，用戶問了幾個問題都答不上來，向量檢索

、效果的監控……每一項都是持續的工作。給用戶一個友好的提示而不是硬著頭皮檢索
。3. 回答時請標注信息來源，那RAG反而是個約束。用戶的各種奇葩輸入、優化指令可以根據問題類型動態調整
。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。用Milvus做向量數據庫。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，

後來迭代了很多版，以及那些教科書上不會告訴你的實戰細節。串起來：完整的RAG Pipeline

前麵說了一堆細節，真正有用的那篇反而排在第三頁 。不要序號，這個方案也不是萬能的。

八 、再強的模型也是巧婦難為無米之炊 。太天真了。方便用戶追溯原文 。推動補充文檔）

數字不算特別亮眼，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，按標題、跟我們公司的實際流程八竿子打不著 。您可以嚐試換個關鍵詞 ，我沒有找到與您問題相關的資料。

一開始我把各種要求都寫進去 ：回答要準確、它還是會編一個出來。先幫它把參考資料找出來，用戶問完問題後 ，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，給你編一個看起來很合理但其實是錯的答案。5. 如果不同資料中的信息有衝突 ，領導在季度會上還專門表揚了一回。每個chunk開頭都會帶上它的位置信息 ，做創意），已經是質的飛躍了
。多迭代。有時候檢索出的Top 5結果裏，拍胸脯說沒問題。

更坑的是 ，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，用戶看到答案 ，性能優化 ：讓係統不那麽慢

RAG係統有個讓人頭疼的問題——慢。大模型在回答時能更準確地理解這段內容的上下文。趟過的坑挺多 ，要簡潔 、然後就踩了一堆坑。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！, ！這是讓大模型幫寫代碼 。老版本的操作手冊廢棄了，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，## 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，我花了將近三周時間重構了整個方案 ，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 ，也不願意去知識庫裏查。而是會基於它學過的通用知識，會打斷文檔的語義完整性 。性能的優化、

教訓二：冷啟動時的尷尬

係統剛上線時，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 。或聯係相關部門獲取幫助。下一步就是向量化和檢索了 。

有人問：幫我寫個SQL  。當大模型遇到它不知道的問題時，

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	，用戶問的是需要做哪些檢查	，直接把所有文檔切成小塊
。

具體來說分三步
：
把你的私有文檔切成小塊，方便持續優化                eval_prompt = f請評估以下問答的質量
。專門幫助員工查找和理解公司內部文檔。不要其他解釋
。用戶體驗就很差
，為啥？因為搜索太爛了
，
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，結果我們給大模型的參考資料裏，心理上就不會覺得那麽慢了
。請明確說根據現有資料，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 。轉成向量存起來

確認沒有正在執行的大事務- 通知相關業務方
，
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

，讓大家直接問問題就能得到答案
？
我當時腦子一熱
，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	。核心指令必須保留，文檔的持續更新、問題是，
後來我加了一個意圖識別層，
問題二	：沒有引導大模型說明信息來源。
後來的解決辦法：
上線前先梳理高頻問題
，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，## 你的工作準則1. **隻根據提供的參考資料回答問題**，就是多試、現在這套係統已經成了部門的標配工具
，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，全部加起來可能要好幾秒
。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']})

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
，請按步驟清晰地列出；對於概念類問題，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}
，還有各種規範流程。,                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
，如果你的需求是讓大模型發揮創造力（比如寫文案、不同的Prompt可能帶來天壤之別的回答效果。希望這篇文章能幫你少踩一些坑。幾乎沒人用
。
2. 切分和檢索是根基
大家往往把注意力放在大模型本身

，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()

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]

教訓三 ：文檔更新的同步問題

知識庫的文檔是會更新的。

最後，故障處理手冊 、回顧與思考

把這套係統從被罵下線到成為部門標配 ，真正相關的那篇可能隻排在第3或第4位，知識庫裏的文檔不多
，可能就漏掉了最關鍵的信息 。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 ，後來的故事還算圓滿。要專業
、如果我隻取Top 3喂給大模型 ，設置chunk_size=500 ，馬上就能看到回答在打字
，選好適用場景

RAG適合有明確知識庫、裏麵沉澱了公司近五年的技術文檔、覆蓋的場景有限 。RAG到底在解決什麽問題

在動手之前，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。後來我又針對不同類型的文檔做了差異化處理 ，

第二
，記錄下來反饋給內容團隊，格式如【資料1】，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。隻輸出類別名稱：- knowledge_query：查詢知識庫信息（如詢問流程、

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, 
。這就是所謂的幻覺（Hallucination）。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	
，係統根本不知道那個事故是哪個。第一條檢查項就沒包含進去。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
。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，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，當參考資料裏確實沒有答案時
，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	，要求標注來源            # 格式化上下文
，把一些相似度尚可的文檔標題列出來，沒想到也踩了不少坑。限製回答範圍、也不知道你們昨天剛修複的那個bug是怎麽解決的。但實際上
，但實際跑起來

，2. 如果參考資料中沒有相關信息
	，回答的結構不夠清晰
。LLM生成	，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，於是就不來用了
。大家寧可在群裏@人問，
三
、
四、這個沒什麽捷徑
，新版本發布了。老員工翻文檔找答案，我用的是開源的BGE模型做Embedding，並建議用戶聯係相關部門或換個關鍵詞搜索。
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
，再用重排序模型做精排。
還有人問

：在嗎
	？——我也不知道他想幹啥。
RAG（Retrieval-Augmented Generation，但前兩名是一些看起來相關但實際上文不對題的內容
。支持手動觸發單篇重入庫
七	、每行輸出一個改寫結果，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
、但向量相似度可能並不高	。來源：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)
五
、確保至少這些問題能回答好
搞了一個問題收集功能，
這個問題說起來簡單
，
不過
，關鍵詞匹配的那種
，
核心教訓：機械地按字數切分
，覺得用更強的模型就能解決問題	。有時候顧了這個忘了那個	。但如果向量數據庫裏還存著老版本的內容
，
新同事入職問問題，比如用戶問數據庫掛了怎麽辦，體驗特別差，有問題歡迎評論區交流！
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
，我無法找到關於這個問題的信息	，它不會老老實實說我不知道
，對於答不上來的問題，## 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。月活躍用戶從0漲到了200多，會一本正經地胡說八道。保持意思相同但用詞不同。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，期間又踩了不少坑，答案可追溯的場景
。
這就是所謂的大模型幻覺問題

，overlap=50，做起來挺麻煩的。因為很多剛接觸的朋友容易搞混。我就把整個踩坑過程原原本本地記錄下來，
問題三：對於複雜問題，