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 。
2. 切分和檢索是实战根基
大家往往把注意力放在大模型本身 ，但如果向量數據庫裏還存著老版本的从被內容 ，
骂不门,靠谱坑全 ！記錄下來反饋給內容團隊 ，为部記住 ：- 隻使用參考資料中的记录信息- 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 ，這個問題說起來簡單，大模到成的踩第三個大坑 ：Prompt工程的門道比想象中深
檢索的問題解決了 ，上線後的一些經驗教訓
係統上線到現在差不多兩個月了 ，用戶看到答案 ，
後來迭代了很多版，還有各種規範流程 。故障處理手冊 、
教訓二 ：冷啟動時的尷尬
係統剛上線時，來源 ：{ source}】\n{ doc['content']}) return \n\n\n\n.join(parts)
五 、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 ！限製回答範圍 、知識庫裏的文檔不多 ，因為用戶說的掛了和文檔裏的異常 ，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 。用Milvus做向量數據庫 。
核心教訓 ：機械地按字數切分 ，3. 回答時請標注信息來源 ，如果你也在做類似的項目 ，並建議用戶聯係相關部門或換個關鍵詞搜索 。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 ，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。它還是會編一個出來 。
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 ，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 ，, ？, , ] ) 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 ，## 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 。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 ，要友好、讓大家直接問問題就能得到答案
？
我當時腦子一熱 ，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 。做創意） ，我當時對RAG的理解還停留在把文檔丟進去就行的水平，再用重排序模型做精排 。大模型在回答時能更準確地理解這段內容的上下文 。但它有兩個致命弱點：
第一
，隻輸出類別名稱
：- knowledge_query：查詢知識庫信息（如詢問流程 、要簡潔
、設置chunk_size=500 ，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 ， 有人問
：幫我寫個SQL 。這個我們後麵再說 。不同的Prompt可能帶來天壤之別的回答效果。用戶的各種奇葩輸入 、老員工翻文檔找答案
，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
，
4. 上線隻是開始
真正的挑戰在上線之後。每個chunk開頭都會帶上它的位置信息 ，RAG到底在解決什麽問題
在動手之前 ，請明確說根據現有資料 ，為啥 ？因為搜索太爛了，
不過說實話 ，您可以嚐試換個關鍵詞，領導在季度會上還專門表揚了一回 。要標注來源、沒想到也踩了不少坑 。希望這篇文章能幫你少踩一些坑 。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 ，但內容完全是它自己編的 ！
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 ，還有人問：在嗎 ？——我也不知道他想幹啥 。## 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}，答案可追溯的場景 。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 、第二個大坑 ：向量檢索的語義鴻溝
解決了切分問題 ，——這根本不是知識庫問答 ，性能的優化 、
問題二：沒有引導大模型說明信息來源 。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 ，真正有用的那篇反而排在第三頁 。也不願意去知識庫裏查 。推動補充文檔）
- 搞了一個問題收集功能
，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 ，就是多試 、現在把它們串成一個完整的Pipeline：
![Mermaid Chart - Create complex, visual diagrams with text.-2026-01-13-113354.png]()
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 ，優化指令可以根據問題類型動態調整。![image.png]()
大模型很強 ，知識有截止日期 。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 ，向量檢索 、讓它基於這些材料生成答案
數字不算特別亮眼 ，但實際上 ，確保至少這些問題能回答好
聽起來不複雜對吧 ？我當時也是這麽想的，比如用戶問數據庫掛了怎麽辦 ，## 你的工作準則1. **隻根據提供的參考資料回答問題** ，但前兩名是一些看起來相關但實際上文不對題的內容 。) 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 ，我沒有找到與您問題相關的資料 。有時候顧了這個忘了那個 。
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 ，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 ，我無法找到關於這個問題的信息 ，回答的結構不夠清晰 。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 。老版本的操作手冊廢棄了 ，但比起之前那個沒人用的關鍵詞搜索 ，不要其他解釋 。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 ，要分步驟 、LLM生成 ，
新同事入職問問題 ，
後來我的做法是 ：區分核心指令和優化指令 ，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 。如果你的需求是讓大模型發揮創造力（比如寫文案 、這玩意兒除了當擺設 ，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，
二、
一開始我把各種要求都寫進去 ：回答要準確 、可能就漏掉了最關鍵的信息 。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
、跟我們公司的實際流程八竿子打不著 。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 ，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 ，第一條檢查項確認從庫同步狀態正常被切到了上一個chunk裏 。再強的模型也是巧婦難為無米之炊。係統根本不知道那個事故是哪個
。拍胸脯說沒問題 。2. 如果參考資料中沒有相關信息 ，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}
，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 ，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
，用戶問完問題後
，
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 ，核心指令必須保留
，串起來 ：完整的RAG Pipeline前麵說了一堆細節
，
後來我加了一個意圖識別層 ，裏麵沉澱了公司近五年的技術文檔 、幾乎沒人用 。做起來挺麻煩的 。把一些相似度尚可的文檔標題列出來，方便用戶追溯原文。我想先聊聊RAG這個概念 ，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
，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 ，用戶問的是需要做哪些檢查
，就展示相關推薦，
![image.png]()
最後 ，也不知道你們昨天剛修複的那個bug是怎麽解決的 。關鍵詞匹配的那種 ，我就把整個踩坑過程原原本本地記錄下來 ，遇到不確定要說不知道……結果發現模型反而被繞暈了 ，架構設計 、效果的監控……每一項都是持續的工作 。性能優化：讓係統不那麽慢
RAG係統有個讓人頭疼的問題——慢 。大家寧可在群裏@人問 ，但收獲也很大 。如果我隻取Top 3喂給大模型 ，
一
、那RAG反而是個約束。
整個流程跑一遍 ：Embedding編碼
、用戶檢索到的可能是過時信息 。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 ，格式如【資料1】
，下一步就是向量化和檢索了
。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 ，
後來的解決辦法：
- 上線前先梳理高頻問題
，
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。包括代碼
、選好適用場景
RAG適合有明確知識庫
、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 ！這個方案也不是萬能的 。先給出簡明定義再展開解釋 。它不知道你們公司上周發布的新規範 ，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，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
。於是就不來用了
。給你編一個看起來很合理但其實是錯的答案 。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 。能覆蓋更多的相關文檔 。4. 對於操作類問題 ，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 ，
更坑的是 ，心理上就不會覺得那麽慢了 。後來的故事還算圓滿 。5. 如果不同資料中的信息有衝突 ，
RAG（Retrieval-Augmented Generation ，然後就踩了一堆坑。不知道是從哪篇文檔裏來的 ，第一條檢查項就沒包含進去 。overlap=50 ，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 、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 ，用詞差異很大。而是會基於它學過的通用知識 ，你搜服務器宕機怎麽辦 ，要專業 、
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 ，如果前麵的切分和檢索做得不好 ，給用戶一個友好的提示而不是硬著頭皮檢索
。大模型回答得頭頭是道
，保持意思相同但用詞不同 。對於那些格式不規範的老文檔（沒有清晰的標題結構），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 。會一本正經地胡說八道
。真正相關的那篇可能隻排在第3或第4位，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
，這就是所謂的大模型幻覺問題，會打斷文檔的語義完整性 。規範、這一步我本以為最簡單
，多迭代 。方便持續優化 eval_prompt = f請評估以下問答的質量
。
不過
，多看 、覆蓋的場景有限
。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
。按標題 、當參考資料裏確實沒有答案時 ，因為很多剛接觸的朋友容易搞混
。有問題歡迎評論區交流 ！新版本發布了。用戶問了幾個問題都答不上來，切分效果依然一般。前後折騰了將近一個月 。先幫它把參考資料找出來
，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 ，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，不要序號 ，
四 、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。它不會老老實實說我不知道 ，支持手動觸發單篇重入庫
七 、三、這就是所謂的幻覺（Hallucination） 。GPT-4的訓練數據截止到某個時間點 ，問一個問題要等半天 。問題是，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 ，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 ，
3. Prompt工程真的是門手藝
同樣的檢索結果，後來我又針對不同類型的文檔做了差異化處理 ，讓它照著資料回答 。不要編造2. 資料中沒有的信息 ，趟過的坑挺多，
![image.png]()
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,
。問題三：對於複雜問題，
八
、## 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 ，回顧與思考
把這套係統從被罵下線到成為部門標配 ，當大模型遇到它不知道的問題時 ，專門幫助員工查找和理解公司內部文檔 。, 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，今天這篇文章
，
一切的起點是一頓臭罵
上個月
，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 ，無法追溯和驗證。直接把所有文檔切成小塊 。但向量相似度可能並不高 。![image.png]()
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 ，這個沒什麽捷徑
，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，太天真了 。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 。有時候檢索出的Top 5結果裏
，
起因是這樣的——我們部門負責維護一套內部知識庫係統，重排序 、它給你返回一堆包含服務器的文檔 ，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 ，我用的是開源的BGE模型做Embedding
，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，每行輸出一個改寫結果 ，已經是質的飛躍了。但實際跑起來，期間又踩了不少坑，生成多個變體，這裏挑幾個印象最深的說說 。對於答不上來的問題 ，用戶體驗就很差
，要求標注來源 # 格式化上下文
，全部加起來可能要好幾秒 。文檔的持續更新 、體驗特別差 ，覺得用更強的模型就能解決問題。月活躍用戶從0漲到了200多，
幾點核心總結：
1. RAG不是萬能的 ，馬上就能看到回答在打字
，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}
，
第二 ，
![image.png]()
具體來說分三步 ：
- 把你的私有文檔切成小塊 ，我被領導叫進辦公室罵了整整二十分鍾 。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
。結果我們給大模型的參考資料裏 ，這是讓大模型幫寫代碼 。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 ，
