八、大模到成的踩馬上就能看到回答在打字
，实战) def query(self,从被 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，我就把整個踩坑過程原原本本地記錄下來，骂不门再強的靠谱坑全模型也是巧婦難為無米之炊 。先保存之前的为部內容 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，或聯係相關部門獲取幫助。记录它給你返回一堆包含服務器的大模到成的踩文檔 ，每行輸出一個改寫結果
，实战

核心教訓  ：機械地按字數切分，从被用戶看到答案 ，骂不门無法追溯和驗證。靠谱坑全原問題：{ 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擴展後的为部查詢：{ 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，檢索增強生成）的记录核心思路其實很簡單
：別讓大模型靠想象力答題 ，真正相關的大模到成的踩那篇可能隻排在第3或第4位，規範、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 ，真正有用的那篇反而排在第三頁。先幫它把參考資料找出來，——這根本不是知識庫問答 ，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 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，全部加起來可能要好幾秒 。記錄下來反饋給內容團隊，

這就是所謂的大模型幻覺問題，用戶檢索到的可能是過時信息。性能的優化
、切分效果依然一般。

一開始我把各種要求都寫進去：回答要準確、但它有兩個致命弱點：

第一，我當時對RAG的理解還停留在把文檔丟進去就行的水平
，它還是會編一個出來。

二、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，

還有人問
：在嗎 ？——我也不知道他想幹啥
。如果你也在做類似的項目，

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，效果的監控……每一項都是持續的工作
。這玩意兒除了當擺設，知識庫裏的文檔不多
，文檔的持續更新
、
幾點核心總結：
1. RAG不是萬能的
，
後來我的做法是：區分核心指令和優化指令
，但比起之前那個沒人用的關鍵詞搜索，方便用戶追溯原文。做起來挺麻煩的
。這是讓大模型幫寫代碼。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，核心指令必須保留	
，
新同事入職問問題	，然後就踩了一堆坑
。這個沒什麽捷徑，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
，overlap=50
，如果你的需求是讓大模型發揮創造力（比如寫文案
、體驗特別差，不要使用你自己的知識
。並建議用戶聯係相關部門或換個關鍵詞搜索	。
不過說實話	，要友好、
問題三：對於複雜問題，每個chunk開頭都會帶上它的位置信息
，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，

2. 切分和檢索是根基

大家往往把注意力放在大模型本身 ，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，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 ，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 ！性能優化：讓係統不那麽慢

RAG係統有個讓人頭疼的問題——慢。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。不知道是從哪篇文檔裏來的，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} ，跟我們公司的實際流程八竿子打不著
。用戶問完問題後
 ，不同的Prompt可能帶來天壤之別的回答效果。用戶問的是需要做哪些檢查，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，限製回答範圍、對於答不上來的問題，

一、向量檢索
、格式如【資料1】 ，期間又踩了不少坑 ，老版本的操作手冊廢棄了 ，但實際跑起來，大模型在回答時能更準確地理解這段內容的上下文。能覆蓋更多的相關文檔 。包括代碼 、大家寧可在群裏@人問 ，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，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
，架構設計
、我沒有找到與您問題相關的資料。
這個問題說起來簡單，給你編一個看起來很合理但其實是錯的答案	。
RAG（Retrieval-Augmented Generation

，但內容完全是它自己編的！2. 如果參考資料中沒有相關信息，趟過的坑挺多，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。但前兩名是一些看起來相關但實際上文不對題的內容。
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
，但如果向量數據庫裏還存著老版本的內容，要分步驟、您可以嚐試換個關鍵詞

，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
。先給出簡明定義再展開解釋
。
更坑的是
，
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，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、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

。支持手動觸發單篇重入庫
七、用戶問了幾個問題都答不上來
，故障處理手冊	

、
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
，隻輸出類別名稱

：- knowledge_query：查詢知識庫信息（如詢問流程
、覆蓋的場景有限。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

，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	。用詞差異很大。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
，現在這套係統已經成了部門的標配工具，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	，那RAG反而是個約束
。讓大家直接問問題就能得到答案
	？
我當時腦子一熱
，
四、請指出差異並說明各自的適用場景
。幾乎沒人用。第二個大坑：向量檢索的語義鴻溝
解決了切分問題，也不願意去知識庫裏查
。這就是所謂的幻覺（Hallucination）。當大模型遇到它不知道的問題時，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。下一步就是向量化和檢索了
。回答的結構不夠清晰。已經是質的飛躍了。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
。
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	。
整個流程跑一遍
：Embedding編碼、給用戶一個友好的提示而不是硬著頭皮檢索	。今天這篇文章	，,                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，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
	。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！沒想到也踩了不少坑
。遇到不確定要說不知道……結果發現模型反而被繞暈了，領導在季度會上還專門表揚了一回
。
一切的起點是一頓臭罵
上個月，請明確說根據現有資料，答案可追溯的場景。而是會基於它學過的通用知識，5. 如果不同資料中的信息有衝突，
後來的解決辦法：
上線前先梳理高頻問題，
教訓二
：冷啟動時的尷尬
係統剛上線時，確保至少這些問題能回答好
搞了一個問題收集功能，裏麵沉澱了公司近五年的技術文檔、, 
！問一個問題要等半天。3. 回答時請標注信息來源，
大模型很強，但實際上，## 你的工作準則1. **隻根據提供的參考資料回答問題**
，要標注來源、還有各種規範流程
。

具體來說分三步	：
把你的私有文檔切成小塊，我用的是開源的BGE模型做Embedding，月活躍用戶從0漲到了200多，多看	、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。LLM生成，對於那些格式不規範的老文檔（沒有清晰的標題結構）
，
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，按標題、做創意）
，設置chunk_size=500
，優化指令可以根據問題類型動態調整。希望這篇文章能幫你少踩一些坑
	。再用重排序模型做精排。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，直接把所有文檔切成小塊。
後來迭代了很多版，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，讓它照著資料回答	。
不過，把一些相似度尚可的文檔標題列出來，我花了將近三周時間重構了整個方案
，
最後
，選好適用場景
RAG適合有明確知識庫	、, ？,  , ]    )    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，拍胸脯說沒問題。這個方案也不是萬能的。來源
：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)
五、這一步我本以為最簡單
，如果我隻取Top 3喂給大模型，4. 對於操作類問題，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
，我被領導叫進辦公室罵了整整二十分鍾。

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, 

。太天真了。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
，不要其他解釋
。不要編造2. 資料中沒有的信息，## 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
。老員工翻文檔找答案
	，轉成向量存起來
用戶提問時，因為用戶說的掛了和文檔裏的異常
，上線後的一些經驗教訓

係統上線到現在差不多兩個月了，可能就漏掉了最關鍵的信息。於是就不來用了。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 ，用戶體驗就很差，

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，
問題二：沒有引導大模型說明信息來源。GPT-4的訓練數據截止到某個時間點，它不知道你們公司上周發布的新規範，多迭代
。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	，用戶的各種奇葩輸入
、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，就展示相關推薦	，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、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。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 ，我們最後的方案是
：

1. 每個文檔入庫時記錄版本號和更新時間
2. 定期全量重新入庫（我們是每周一次）
3. 對於緊急更新的重要文檔  ，後來我又針對不同類型的文檔做了差異化處理，第一條檢查項就沒包含進去 。## 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 ，我想先聊聊RAG這個概念，

   三 、

   第二 ，重排序、回顧與思考

   把這套係統從被罵下線到成為部門標配 ，結果我們給大模型的參考資料裏 ，請按步驟清晰地列出；對於概念類問題，

   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 ，我無法找到關於這個問題的信息，要專業 、為啥 ？因為搜索太爛了
，會一本正經地胡說八道 。覺得用更強的模型就能解決問題 。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。

   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，

   後來我加了一個意圖識別層，不要序號，前後折騰了將近一個月。串起來：完整的RAG Pipeline

前麵說了一堆細節 ，推動補充文檔）

數字不算特別亮眼，也不知道你們昨天剛修複的那個bug是怎麽解決的 。用Milvus做向量數據庫。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
。有時候檢索出的Top 5結果裏 ，會打斷文檔的語義完整性。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 ，你搜服務器宕機怎麽辦，生成多個變體，大模型回答得頭頭是道 ，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
。保持意思相同但用詞不同。## 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} ，當參考資料裏確實沒有答案時，要簡潔、

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。這個我們後麵再說 。就是多試
、讓他們補充相關文檔