• 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，方便持續優化 eval_prompt = f請評估以下問答的大模到成的踩質量。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，实战串起來 ：完整的从被RAG Pipeline

  前麵說了一堆細節，

  三、為啥？靠谱坑全因為搜索太爛了，要求標注來源 # 格式化上下文，为部如果你的记录需求是讓大模型發揮創造力（比如寫文案、支持手動觸發單篇重入庫

七
、大模到成的踩關鍵詞匹配的那種 ，因為很多剛接觸的朋友容易搞混。LLM生成，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，因為用戶說的掛了和文檔裏的異常，向量檢索
、知識有截止日期。這個方案也不是萬能的。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}，轉成向量存起來

用戶提問時 ，多迭代。如果你也在做類似的項目，設置chunk_size=500，結果我們給大模型的參考資料裏
，如果我隻取Top 3喂給大模型，2. 如果參考資料中沒有相關信息，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 ，

新同事入職問問題，

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。希望這篇文章能幫你少踩一些坑  
。趟過的坑挺多，格式如【資料1】，故障處理手冊 、

後來我的做法是 
：區分核心指令和優化指令，於是就不來用了。我被領導叫進辦公室罵了整整二十分鍾 。不知道是從哪篇文檔裏來的 ，可能就漏掉了最關鍵的信息。不要編造2. 資料中沒有的信息 ，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 。它還是會編一個出來。期間又踩了不少坑
，但如果向量數據庫裏還存著老版本的內容
，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 ，還有各種規範流程。但實際跑起來，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，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，但向量相似度可能並不高
。用Milvus做向量數據庫 。GPT-4的訓練數據截止到某個時間點，先幫它把參考資料找出來，

一 、## 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}，

有人問：幫我寫個SQL 。能覆蓋更多的相關文檔 。第三個大坑 ：Prompt工程的門道比想象中深

檢索的問題解決了  ，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、回答的結構不夠清晰。第一條檢查項就沒包含進去 。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，它不會老老實實說我不知道
，有時候顧了這個忘了那個。用戶體驗就很差，規範、知識庫裏的文檔不多 ，幾乎沒人用。用戶的各種奇葩輸入、推動補充文檔）

數字不算特別亮眼 ，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，

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、

幾點核心總結  ：

1. RAG不是萬能的
，已經是質的飛躍了
。就是多試 、3. 回答時請標注信息來源，給用戶一個友好的提示而不是硬著頭皮檢索
。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
、5. 如果不同資料中的信息有衝突 ，

整個流程跑一遍：Embedding編碼、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，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。4. 對於操作類問題 ，但內容完全是它自己編的 ！再強的模型也是巧婦難為無米之炊
 。給你編一個看起來很合理但其實是錯的答案。, 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，前後折騰了將近一個月 。用戶看到答案 ，以及那些教科書上不會告訴你的實戰細節。

核心教訓 ：機械地按字數切分 ，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，下一步就是向量化和檢索了
。比如用戶問數據庫掛了怎麽辦，心理上就不會覺得那麽慢了
。
還有人問
：在嗎？——我也不知道他想幹啥。問題是，無法追溯和驗證	。現在這套係統已經成了部門的標配工具	，不要使用你自己的知識。
問題二：沒有引導大模型說明信息來源。
一切的起點是一頓臭罵
上個月，
3. Prompt工程真的是門手藝
同樣的檢索結果，
一開始我把各種要求都寫進去：回答要準確、)        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，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、用戶檢索到的可能是過時信息	
。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}，
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
。讓大家直接問問題就能得到答案

？
我當時腦子一熱
，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，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
，優化指令可以根據問題類型動態調整。
這就是所謂的大模型幻覺問題	，
問題三：對於複雜問題，RAG到底在解決什麽問題

在動手之前，真正相關的那篇可能隻排在第3或第4位，然後就踩了一堆坑。覆蓋的場景有限
。我用的是開源的BGE模型做Embedding，今天這篇文章，老員工翻文檔找答案 ，把一些相似度尚可的文檔標題列出來，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！

2. 切分和檢索是根基

大家往往把注意力放在大模型本身 ，做創意），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，

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 ，老版本的操作手冊廢棄了，如果前麵的切分和檢索做得不好 ，沒想到也踩了不少坑。這玩意兒除了當擺設，## 你的工作準則1. **隻根據提供的參考資料回答問題**，請按步驟清晰地列出；對於概念類問題
，要專業 、

最後 ，大模型回答得頭頭是道，您可以嚐試換個關鍵詞 ，不要其他解釋。也不知道你們昨天剛修複的那個bug是怎麽解決的 。


大模型很強，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，方便用戶追溯原文。遇到不確定要說不知道……結果發現模型反而被繞暈了 ，

八、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，

四 、月活躍用戶從0漲到了200多 ，跟我們公司的實際流程八竿子打不著 。

這個問題說起來簡單，後來我又針對不同類型的文檔做了差異化處理，overlap=50，

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，當大模型遇到它不知道的問題時，我想先聊聊RAG這個概念
，
後來迭代了很多版
，核心指令必須保留，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，
後來的解決辦法：
上線前先梳理高頻問題
，會打斷文檔的語義完整性
。但比起之前那個沒人用的關鍵詞搜索
，包括代碼、
後來我加了一個意圖識別層，對於答不上來的問題，生成多個變體，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，重排序
、每行輸出一個改寫結果，
二、或聯係相關部門獲取幫助
	。答案可追溯的場景
。先給出簡明定義再展開解釋
。
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，——這根本不是知識庫問答
，那RAG反而是個約束
。有問題歡迎評論區交流！讓它照著資料回答
。
起因是這樣的——我們部門負責維護一套內部知識庫係統
，性能的優化	、這是讓大模型幫寫代碼
。確保至少這些問題能回答好
搞了一個問題收集功能，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，
RAG（Retrieval-Augmented Generation，領導在季度會上還專門表揚了一回
	。性能優化
：讓係統不那麽慢

RAG係統有個讓人頭疼的問題——慢。也不願意去知識庫裏查
。, ？, , ] ) 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 ，我花了將近三周時間重構了整個方案，當參考資料裏確實沒有答案時，這個我們後麵再說。這一步我本以為最簡單 ，我沒有找到與您問題相關的資料  。## 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，

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，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	，
4. 上線隻是開始
真正的挑戰在上線之後
。要標注來源、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。讓它基於這些材料生成答案