一、RAG到底在解决什么问题
动手之前，我想先聊聊 RAG 这个概念，不少刚接触的朋友确实容易把它和普通的大模型调用搞混。
大模型的能力毋庸置疑，但实际用起来有两个致命短板。
第一，知识有截止日期。 GPT-4 的训练数据停在某个时间点，它不知道你们公司上周发布的新规范，也不知道昨天刚修复的那个 bug 到底是怎么解决的。
第二，会一本正经地胡说八道。 遇到不知道的问题时，模型不会老老实实说“我不知道”，而是基于它学过的通用知识，给你编一个看起来很合理、实际上是错的答案。这就是所谓的幻觉（Hallucination）。
RAG（Retrieval-Augmented Generation，检索增强生成）的核心思路其实很简单：别让大模型靠想象力答题，先帮它把参考资料找出来，让它照着资料回答。
具体拆成三步：
- 把私有文档按语义切成小块，用 Embedding 模型转成向量存起来
- 用户提问时，先根据问题检索出最相关的文档片段
- 把问题和检索到的内容一起喂给大模型，让它基于这些材料生成答案
听起来不复杂对吧？我当时也是这么想的，然后就连着踩了一堆坑。
二、第一个大坑：文档切分没那么简单
我最初的方案特别粗暴——用 LangChain 的 RecursiveCharacterTextSplitter，设置 chunk_size=500、overlap=50，直接把所有文档平均切开。
代码写起来确实简单：
from langchain.text_splitter import RecursiveCharacterTextSplitter
def naive_split(text):
# 最初的简单切分方案——后来证明这是个坑
splitter = RecursiveCharacterTextSplitter(
chunk_size=500,
chunk_overlap=50,
separators=["\n\n", "\n", "。", "！", "？", " ", ""]
)
chunks = splitter.split_text(text)
return chunks
# 测试一下
sample_text = """
# MySQL主从切换操作手册
## 1. 前置检查
在执行主从切换之前，必须完成以下检查：
- 确认从库同步状态正常（Seconds_Behind_Master = 0）
- 确认没有正在执行的大事务
- 通知相关业务方，确认切换时间窗口
## 2. 切换步骤
### 2.1 在主库执行只读设置
SET GLOBAL read_only = 1;
### 2.2 等待从库完全同步
在从库执行 SHOW SLAVE STATUS，确认 Seconds_Behind_Master = 0
### 2.3 停止从库复制
STOP SLAVE;
RESET SLAVE ALL;
## 3. 回滚方案
如果切换失败，按以下步骤回滚...
"""
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)
看起来没毛病吧？但实际用起来，问题就暴露了。
有一次用户问：“MySQL 切换前需要做哪些检查？”系统返回的文档片段长这样：
确认没有正在执行的大事务
- 通知相关业务方，确认切换时间窗口
## 2. 切换步骤
2.1 在主库执行只读设置
SET GLOBAL read_only = 1;
发现问题了吗？这个片段恰好从检查步骤的中间切开了。第一条检查项“确认从库同步状态正常”被切到了上一个 chunk 里。用户问的是需要做哪些检查，结果喂给大模型的参考资料里，第一条检查项就丢了。
核心教训：机械地按字数切分，会打断文档的语义完整性。
后来我改成基于语义结构的切分策略：
import re
from typing import List, Dict
class SmartDocumentSplitter:
"""语义感知的文档切分器
核心思路：尊重文档的原有结构，按标题、段落等语义边界切分
"""
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]:
"""针对Markdown文档的切分
保持标题层级结构，每个chunk都带上完整的上下文路径
"""
chunks = []
current_headers = {1: "", 2: "", 3: ""} # 记录当前的标题层级
# 按行处理，识别标题和内容
lines = text.split('\n')
current_content = []
for line in lines:
# 检测Markdown标题
header_match = re.match(r'^(#{1,3})\s+(.+)$', line)
if header_match:
# 遇到新标题，先保存之前的内容
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 = []
# 更新标题层级
level = len(header_match.group(1))
title = header_match.group(2)
current_headers[level] = title
# 清除下级标题
for l in range(level + 1, 4):
current_headers[l] = ""
current_content.append(line)
else:
current_content.append(line)
# 如果当前内容超过最大长度，强制切分（但尽量在段落边界）
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 = []
# 别忘了最后一段
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:
"""构建层级路径，比如：MySQL主从切换 > 前置检查"""
path_parts = [h for h in [headers[1], headers[2], headers[3]] if h]
return ' > '.join(path_parts) if path_parts else '未分类'
def enrich_chunk_with_context(self, chunk: Dict) -> str:
"""关键技巧：给每个chunk加上上下文前缀
这样即使单独看这个片段，也能知道它属于哪个章节
"""
context = f"[文档路径：{chunk['context_path']}]\n\n"
return context + chunk['content']
# 实际使用示例
splitter = SmartDocumentSplitter(max_chunk_size=800)
chunks = splitter.split_markdown(sample_text)
print(f"切分后共 {len(chunks)} 个片段\n")
for i, chunk in enumerate(chunks):
print(f"=== Chunk {i+1} ===")
print(f"路径：{chunk['context_path']}")
print(f"内容预览：{chunk['content'][:150]}...")
print()
这样切出来的效果好很多。每个 chunk 开头都会带上位置信息，大模型在回答时能更准确地理解这段内容的上下文。
不过说实话，这个方案也不是万能的。遇到格式不规范的老文档（没有清晰标题结构），切分效果依然一般。后来我又针对不同类型的文档做了差异化处理，这个后面再说。
三、第二个大坑：向量检索的语义鸿沟
切分问题解决了，下一步是向量化和检索。我用的是开源的 BGE 模型做 Embedding，Milvus 做向量数据库。
第一版检索代码很直白：
from sentence_transformers import SentenceTransformer
from pymilvus import connections, Collection, FieldSchema, CollectionSchema, DataType, utility
import numpy as np
class VectorStore:
"""向量存储和检索"""
def __init__(self, model_name='BAAI/bge-base-zh-v1.5'):
# 加载Embedding模型
self.model = SentenceTransformer(model_name)
self.dim = 768 # BGE base模型的向量维度
# 连接Milvus
connections.connect("default", host="localhost", port=19530)
def create_collection(self, collection_name: str):
"""创建集合"""
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="知识库文档")
collection = Collection(collection_name, schema)
# 创建索引
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):
"""插入文档"""
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)} 条文档")
def search(self, collection_name: str, query: str, top_k: int = 5):
"""基础检索"""
collection = Collection(collection_name)
collection.load()
# 生成查询向量
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]
基本功能跑通没问题。但实际用起来，我发现一个让人抓狂的现象——用户的口语化提问和文档的正式表述之间存在巨大的语义鸿沟。
举个例子：
- 用户问：数据库挂了怎么办
- 文档标题是：MySQL 服务异常恢复操作手册
这两个在语义上是相关的，但向量相似度可能并不高。因为用户说的“挂了”和文档里的“异常”，用词差异很大。
更麻烦的是，有时检索出的 Top 5 结果里，真正相关的那篇可能只排在第 3 或第 4 位，前两名反而是些看起来相关、实际上文不对题的内容。如果只取 Top 3 喂给大模型，最关键的信息就可能被漏掉。
后来我改成两阶段检索：先用向量检索做粗筛，再用重排序模型做精排。
from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch
class EnhancedRetriever:
"""增强版检索器：向量检索 + 重排序"""
def __init__(self, vector_store: VectorStore):
self.vector_store = vector_store
# 加载重排序模型（BGE Reranker效果不错）
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):
"""两阶段检索：
1. 向量检索召回 initial_top_k 个候选
2. 用重排序模型精排，返回 final_top_k 个结果
"""
# 第一阶段：向量检索（召回更多候选）
initial_results = self.vector_store.search(collection_name, query, top_k=initial_top_k)
if not initial_results:
return []
# 准备重排序
candidates = []
for hit in initial_results:
candidates.append({
'content': hit.entity.get('content'),
'context_path': hit.entity.get('context_path'),
'vector_score': hit.score # 保留向量检索得分，用于调试
})
# 第二阶段：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
# 按重排序分数排序
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:
"""计算query和每个文档的相关性分数"""
scores = []
with torch.no_grad():
for doc in documents:
# Reranker的输入格式是 [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):
"""进阶技巧：查询扩展
用大模型改写用户问题，生成多个变体，再合并检索结果
"""
# 让大模型帮我们扩展查询
expansion_prompt = f"""请将下面这个问题改写成3个不同的表达方式，保持意思相同但用词不同。
每行输出一个改写结果，不要序号，不要其他解释。
原问题：{query}
"""
expanded_queries = llm_client.generate(expansion_prompt).strip().split('\n')
expanded_queries = [q.strip() for q in expanded_queries if q.strip()]
# 加上原始查询
all_queries = [query] + expanded_queries[:3] # 最多取3个扩展查询
print(f"扩展后的查询：{all_queries}") # 调试用
# 对每个查询分别检索
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:
# 被多个查询命中的文档，增加权重
all_candidates[content]['hit_count'] += 1
all_candidates[content]['best_score'] = max(
all_candidates[content]['best_score'],
hit.score
)
# 综合评分：命中次数 * 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]
查询扩展这招特别好用。比如用户问“数据库挂了怎么办”，大模型可能会扩展成：
- MySQL 服务故障如何处理
- 数据库无法连接的解决方案
- 数据库宕机恢复步骤
这几个查询一起检索，能覆盖更多相关文档。
检索的问题解决了，接下来就是把检索到的内容和用户问题一起喂给大模型。这一步我本以为最简单，没想到也踩了不少坑。
最初的 Prompt 特别朴素：
def build_naive_prompt(query: str, context_docs: list) -> str:
# 最初的简单Prompt——后来证明太天真了
context = "\n\n".join([doc['content'] for doc in context_docs])
prompt = f"""根据以下参考资料回答用户问题。
参考资料：
{context}
用户问题：{query}
请回答：
"""
return prompt
这个 Prompt 有几个严重问题：
问题一：大模型不知道什么时候该说不知道。 当参考资料里确实没有答案时，它还是会编一个出来。
问题二：没有引导大模型说明信息来源。 用户看到答案，不知道是从哪篇文档里来的，无法追溯和验证。
问题三：对于复杂问题，回答的结构不够清晰。
后来迭代了很多版，最终稳定下来的 Prompt 是这样的：
def build_rag_prompt(query: str, context_docs: list,
include_sources: bool = True) -> str:
"""生产环境使用的Prompt模板
关键设计：明确角色定位、限制回答范围、要求标注来源
"""
# 格式化上下文，每段都标注来源
context_parts = []
for i, doc in enumerate(context_docs, 1):
source = doc.get('context_path', '未知来源')
context_parts.append(f"【资料{i}，来源：{source}】\n{doc['content']}")
context = "\n\n\n".join(context_parts)
prompt = f"""你是一个企业内部知识库助手，专门帮助员工查找和理解公司内部文档。
## 你的工作准则
1. **只根据提供的参考资料回答问题**，不要使用你自己的知识。
2. 如果参考资料中没有相关信息，请明确说"根据现有资料，我无法找到关于这个问题的信息"，并建议用户联系相关部门或换个关键词搜索。
3. 回答时请标注信息来源，格式如【资料1】，方便用户追溯原文。
4. 对于操作类问题，请按步骤清晰地列出；对于概念类问题，先给出简明定义再展开解释。
5. 如果不同资料中的信息有冲突，请指出差异并说明各自的适用场景。
## 参考资料
{context}
## 用户问题
{query}
## 回答要求
请根据上述参考资料回答用户问题。记住：
- 只使用参考资料中的信息
- 标注信息来源
- 没有把握的内容不要编造
"""
return prompt
def build_conversational_prompt(query: str, context_docs: list,
chat_history: list = None) -> str:
"""支持多轮对话的Prompt
需要带上历史对话记录，让大模型理解上下文
"""
context_parts = []
for i, doc in enumerate(context_docs, 1):
source = doc.get('context_path', '未知来源')
context_parts.append(f"【资料{i}，来源：{source}】\n{doc['content']}")
context = "\n\n\n".join(context_parts)
# 格式化历史对话
history_text = ""
if chat_history:
history_parts = []
for turn in chat_history[-5:]: # 只保留最近5轮，避免太长
history_parts.append(f"用户：{turn['user']}")
history_parts.append(f"助手：{turn['assistant']}")
history_text = "\n".join(history_parts)
prompt = f"""你是一个企业内部知识库助手。
## 参考资料
{context}
## 对话历史
{history_text if history_text else "（这是对话的开始）"}
## 当前问题
用户：{query}
## 回答准则
1. 优先根据参考资料回答，如无相关信息请明确说明
2. 考虑对话历史的上下文（如用户说"它"可能指代之前提到的概念）
3. 标注信息来源
助手：
"""
return prompt
关于 Prompt，我还想分享一个很重要的经验：不要试图在一个 Prompt 里塞太多指令。
一开始我把各种要求都写进去：回答要准确、要简洁、要友好、要专业、要标注来源、要分步骤、遇到不确定要说不知道……结果模型反而被绕晕了，有时候顾了这个忘了那个。
后来我的做法是：区分核心指令和优化指令，核心指令必须保留，优化指令可以根据问题类型动态调整。
class PromptBuilder:
"""Prompt构建器：根据问题类型动态调整"""
# 核心指令——任何情况都必须包含
CORE_INSTRUCTIONS = """1. 只使用参考资料中的信息回答，不要编造
2. 资料中没有的信息，明确说"无法找到相关信息"
3. 标注信息来源【资料X】
"""
# 操作类问题的额外指令
PROCEDURE_INSTRUCTIONS = """回答格式要求：
- 按步骤编号列出（第一步、第二步...）
- 每个步骤要明确操作对象和操作动作
- 重要的警告或注意事项用⚠️标出
"""
# 概念解释类问题的额外指令
CONCEPT_INSTRUCTIONS = """回答格式要求：
- 先用一句话给出核心定义
- 再详细解释关键点
- 如有必要，举例说明
"""
# 故障排查类问题的额外指令
TROUBLESHOOT_INSTRUCTIONS = """回答格式要求：
- 先列出可能的原因
- 针对每个原因给出排查方法
- 给出解决方案或规避建议
"""
@classmethod
def build(cls, query: str, context_docs: list, question_type: str = "general") -> str:
"""根据问题类型构建Prompt"""
# 简单的问题分类逻辑（实际项目中可以用分类模型）
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"""你是企业内部知识库助手。
## 必须遵守的规则
{cls.CORE_INSTRUCTIONS}
{f"## 回答格式{extra_instructions}" if extra_instructions else ""}
## 参考资料
{context}
## 用户问题
{query}
请回答：
"""
return prompt
@classmethod
def _classify_question(cls, query: str) -> str:
"""简单的问题分类（基于关键词）"""
procedure_keywords = ["怎么做", "如何操作", "步骤", "流程", "怎样"]
concept_keywords = ["是什么", "什么是", "定义", "解释", "区别"]
troubleshoot_keywords = ["为什么", "报错", "失败", "异常", "问题", "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', '未知来源')
parts.append(f"【资料{i}，来源：{source}】\n{doc['content']}")
return "\n\n\n".join(parts)
五、串起来：完整的RAG Pipeline
前面拆开讲了细节，现在把它们串成一个完整的 Pipeline。
模型接入这块，我最终用的是 DeepSeek 的 chat 模型。如果你想后续在 GPT、Claude、Gemini 等模型之间做对比，也可以通过 RouteFast.ai 这类兼容 API 的中转服务快速切换，主流程代码基本不用动。
from openai import OpenAI
from typing import List, Dict, Optional
import json
class RAGPipeline:
"""完整的RAG处理流程
文档切分 -> 向量化存储 -> 检索 -> 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"):
# 初始化各个组件
self.splitter = SmartDocumentSplitter(max_chunk_size=800)
self.vector_store = VectorStore()
self.retriever = EnhancedRetriever(self.vector_store)
# 初始化LLM客户端（这里用DeepSeek，也可以换成其他的）
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]):
"""文档入库
documents格式：[{title: 文档标题, content: 文档内容, source: 来源}]
"""
print(f"开始处理 {len(documents)} 篇文档...")
all_chunks = []
for doc in documents:
# 在内容前加上标题，帮助切分器识别结构
full_content = f"# {doc['title']}\n\n{doc['content']}"
chunks = self.splitter.split_markdown(full_content)
# 给每个chunk加上文档来源信息
for chunk in chunks:
chunk['source_doc'] = doc.get('source', doc['title'])
all_chunks.extend(chunks)
print(f"切分后共 {len(all_chunks)} 个片段")
# 创建集合并插入
self.vector_store.create_collection(self.collection_name)
self.vector_store.insert_documents(self.collection_name, all_chunks)
print("文档入库完成！")
def query(self,
question: str,
chat_history: Optional[List[Dict]] = None,
top_k: int = 5,
use_rerank: bool = True) -> Dict:
"""处理用户查询
返回：{answer: 回答内容, sources: [引用的来源], retrieved_docs: [检索到的文档]}
"""
# 1. 检索相关文档
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，我没有找到与您问题相关的资料。您可以尝试换个关键词，或联系相关部门获取帮助。",
"sources": [],
"retrieved_docs": []
}
# 2. 构建Prompt
if chat_history:
prompt = build_conversational_prompt(question, retrieved_docs, chat_history)
else:
prompt = PromptBuilder.build(question, retrieved_docs, question_type="auto")
# 3. 调用LLM生成回答
response = self.llm_client.chat.completions.create(
model=self.llm_model,
messages=[{"role": "user", "content": prompt}],
temperature=0.3, # 知识库问答用较低的temperature
max_tokens=2000
)
answer = response.choices[0].message.content
# 4. 提取引用的来源
sources = list(set([doc.get('context_path', '未知来源') 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:
"""回答质量评估（可选）
用LLM评估回答的质量，方便持续优化
"""
eval_prompt = f"""请评估以下问答的质量。
问题：{question}
回答：{answer}
{f"参考答案：{ground_truth}" if ground_truth else ""}
请从以下维度评分（1-5分）并说明理由：
1. 相关性：回答是否切题
2. 准确性：信息是否正确
3. 完整性：是否完整解答了问题
4. 可读性：表述是否清晰易懂
请用JSON格式输出：{{"relevance": 分数, "accuracy": 分数, "completeness": 分数, "readability": 分数, "comments": "评价说明"}}
"""
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": "评估结果解析失败"}
# 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"
)
# 准备测试文档
test_documents = [
{
"title": "MySQL主从切换操作手册",
"content": """
## 1. 前置检查
在执行主从切换之前，必须完成以下检查：
- 确认从库同步状态正常（Seconds_Behind_Master = 0）
- 确认没有正在执行的大事务
- 通知相关业务方，确认切换时间窗口
## 2. 切换步骤
### 2.1 在主库执行只读设置
SET GLOBAL read_only = 1;
### 2.2 等待从库完全同步
在从库执行 SHOW SLAVE STATUS，确认 Seconds_Behind_Master = 0
### 2.3 停止从库复制并提升为主库
STOP SLAVE;
RESET SLAVE ALL;
SET GLOBAL read_only = 0;
## 3. 切换后验证
- 确认新主库可以正常写入
- 确认应用连接已切换到新主库
- 监控新主库的性能指标
""",
"source": "DBA团队文档"
}
]
# 入库
rag.ingest_documents(test_documents)
# 测试查询
result = rag.query("MySQL切换前需要做哪些检查？")
print("=" * 50)
print("问题：MySQL切换前需要做哪些检查？")
print("=" * 50)
print(f"\n回答：\n{result['answer']}")
print(f"\n参考来源：{result['sources']}")
六、上线后的一些经验教训
系统上线到现在差不多两个月，期间又踩了不少坑，这里挑几个印象最深的说说。
教训一：用户的问题千奇百怪
我们在设计时假设用户会问“MySQL 怎么做主从切换”这种正常问题。但实际上呢？
有人问：“上次那个事故怎么处理的来着？”——没有任何上下文，系统根本不知道“那个事故”是哪个。
有人问：“帮我写个 SQL。”——这根本不是知识库问答，这是让大模型帮写代码。
还有人问：“在吗？”——我也不知道他想干啥。
后来我加了一个意图识别层，先判断用户的问题是否属于知识库问答的范畴：
def classify_intent(self, query: str) -> str:
"""识别用户意图"""
intent_prompt = f"""判断用户输入的意图类别，只输出类别名称：
- knowledge_query：查询知识库信息（如询问流程、规范、操作方法）
- code_request：请求生成代码
- chitchat：闲聊或无明确意图
- other：其他
用户输入：
{query}
意图类别："""
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()
对于非知识库问答的意图，给用户一个友好的提示，而不是硬着头皮检索。
教训二：冷启动时的尴尬
系统刚上线时，知识库里的文档不多，覆盖的场景有限。用户问了几个问题都答不上来，体验特别差，然后就不来用了。
后来的解决办法：
- 上线前先梳理高频问题，确保至少这些问题能回答好
- 搞了一个问题收集功能：对于答不上来的问题，记录下来反馈给内容团队，让他们补充相关文档
- 做了一个兜底策略——如果检索不到高相关度的内容，就展示相关推荐，把一些相似度尚可的文档标题列出来，引导用户自己去看
教训三：文档更新的同步问题
知识库的文档是会更新的。老版本的操作手册废弃了，新版本发布了。但如果向量数据库里还存着老版本的内容，用户检索到的可能是过时信息。
这个问题说起来简单，做起来挺麻烦。我们最后的方案是：
- 每个文档入库时记录版本号和更新时间
- 定期全量重新入库（我们是每周一次）
- 对于紧急更新的重要文档，支持手动触发单篇重入库
七、性能优化：让系统不那么慢
RAG 系统有个让人头疼的问题——慢。
整个流程跑一遍：Embedding 编码、向量检索、重排序、LLM 生成，全部加起来可能要好几秒。用户体验很差，问个问题要等半天。
几个优化措施：
import asyncio
from functools import lru_cache
import hashlib
class OptimizedRAG:
"""性能优化版RAG"""
def __init__(self):
# 缓存热门查询的结果
self.query_cache = {}
self.cache_ttl = 3600 # 1小时过期
@lru_cache(maxsize=1000)
def _compute_query_embedding(self, query: str):
"""Embedding结果缓存
同样的问题不用重复计算向量
"""
return self.model.encode([query], normalize_embeddings=True)[0]
def _get_cache_key(self, query: str) -> str:
"""生成缓存key"""
return hashlib.md5(query.lower().strip().encode()).hexdigest()
async def stream_query(self, question: str):
"""流式输出
不用等整个回答生成完，边生成边输出
"""
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 # 开启流式
)
for chunk in stream:
if chunk.choices[0].delta.content:
yield chunk.choices[0].delta.content
流式输出这一点特别重要。用户问完问题后，马上就能看到回答在打字，心理上就不会觉得那么慢了。
八、回顾与思考
把这套系统从“被骂下线”到成为部门标配，前后折腾了将近一个月。趟过的坑挺多，但收获也很大。
几点核心总结：
1. RAG不是万能的，选好适用场景
RAG 适合有明确知识库、答案可追溯的场景。如果你的需求是让大模型发挥创造力（比如写文案、做创意），那 RAG 反而是个约束。
2. 切分和检索是根基
大家往往把注意力放在大模型本身，觉得用更强的模型就能解决问题。但实际上，如果前面的切分和检索做得不好，再强的模型也是巧妇难为无米之炊。
3. Prompt工程真的是门手艺
同样的检索结果，不同的 Prompt 可能带来天壤之别的回答效果。这个没什么捷径，就是多试、多看、多迭代。
4. 上线只是开始
真正的挑战在上线之后。用户的各种奇葩输入、文档的持续更新、性能的优化、效果的监控……每一项都是持续的工作。
最后，附上这套系统目前的一些核心指标：
- 日均查询量：500+ 次
- 平均响应时间：2.3 秒（开启流式后首字符延迟约 0.8 秒）
- 用户满意度（通过回答后的点赞/点踩收集）：约 72%
- 无法回答的比例：约 22%（这部分会定期分析，推动补充文档）
数字不算特别亮眼，但比起之前那个没人用的关键词搜索，已经是质的飞跃了。如果你也在做类似的项目，希望这篇文章能帮你少踩一些坑。
发表于 1 小时前
|
查看: 6|
回复: 0
