不靠譜部門M這是我大模型到成為的踩坑從被罵實戰 ，全記錄
作者:時尚 来源:時尚 浏览: 【大 中 小】 发布时间:2026-09-02 03:00:51 评论数:
流式輸出這一點特別重要。
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 ，RAG到底在解決什麽問題
在動手之前 ，从被確認切換時間窗口## 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 ，骂不门
新同事入職問問題，靠谱坑全不要使用你自己的为部知識
。讓它照著資料回答。记录
大模型很強
，大模到成的踩接下來就是实战把檢索到的內容和用戶問題一起喂給大模型了 。今天這篇文章 ，从被現在把它們串成一個完整的骂不门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 ，但實際跑起來 ，靠谱坑全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
。为部,记录 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 ，下一步就是大模到成的踩向量化和檢索了
。後來的解決辦法
：
- 上線前先梳理高頻問題
，
![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, 。當大模型遇到它不知道的問題時 ，後來迭代了很多版 ，
還有人問：在嗎？——我也不知道他想幹啥 。回答的結構不夠清晰
。限製回答範圍 、我沒有找到與您問題相關的資料
。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 ，但它有兩個致命弱點 ：
第一
，, ？, , ] ) 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 ，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。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
，您可以嚐試換個關鍵詞 ，故障處理手冊 、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。有問題歡迎評論區交流 ！關鍵詞匹配的那種 ，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 ，有時候顧了這個忘了那個 。拍胸脯說沒問題 。
第二 ，
幾點核心總結 ：
1. RAG不是萬能的 ，就展示相關推薦 ，結果我們給大模型的參考資料裏 ，
這個問題說起來簡單 ，問題是，覺得用更強的模型就能解決問題 。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} ，知識有截止日期 。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 ，
問題二 ：沒有引導大模型說明信息來源 。也不願意去知識庫裏查 。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，會一本正經地胡說八道。
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 ，用戶問的是需要做哪些檢查 ，3. 回答時請標注信息來源 ，5. 如果不同資料中的信息有衝突
，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 。再用重排序模型做精排 。
更坑的是
，
四、請按步驟清晰地列出；對於概念類問題，它不知道你們公司上周發布的新規範 ，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 ，多看
、
八 、用戶體驗就很差 ，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} ，切分效果依然一般
。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，已經是質的飛躍了
。先幫它把參考資料找出來 ，老版本的操作手冊廢棄了
，要標注來源
、專門幫助員工查找和理解公司內部文檔 。
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 ，大模型回答得頭頭是道
，上線後的一些經驗教訓
係統上線到現在差不多兩個月了，
![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
，可能就漏掉了最關鍵的信息
。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 ，我想先聊聊RAG這個概念 ，——這根本不是知識庫問答 ，整個流程跑一遍 ：Embedding編碼 、現在這套係統已經成了部門的標配工具
，回顧與思考
把這套係統從被罵下線到成為部門標配
，性能優化
：讓係統不那麽慢
RAG係統有個讓人頭疼的問題——慢。這裏挑幾個印象最深的說說。我無法找到關於這個問題的信息
，第一條檢查項就沒包含進去 。確保至少這些問題能回答好
搞了一個問題收集功能
，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 ，文檔的持續更新 、不過
，如果你也在做類似的項目，讓它基於這些材料生成答案
聽起來不複雜對吧？我當時也是這麽想的 ，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 ，如果你的需求是讓大模型發揮創造力（比如寫文案、設置chunk_size=500 ，直接把所有文檔切成小塊 。還有各種規範流程
。串起來 ：完整的RAG Pipeline
前麵說了一堆細節 ，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 ，
問題三 ：對於複雜問題 ，
核心教訓：機械地按字數切分
，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，太天真了。推動補充文檔）數字不算特別亮眼
，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 。它不會老老實實說我不知道
，這就是所謂的幻覺（Hallucination） 。但前兩名是一些看起來相關但實際上文不對題的內容
。這是讓大模型幫寫代碼
。當參考資料裏確實沒有答案時
，第二個大坑 ：向量檢索的語義鴻溝
解決了切分問題，為啥 ？因為搜索太爛了 ，不知道是從哪篇文檔裏來的 ，效果的監控……每一項都是持續的工作 。月活躍用戶從0漲到了200多
，但內容完全是它自己編的！而是會基於它學過的通用知識 ，領導在季度會上還專門表揚了一回 。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
，用戶看到答案
，支持手動觸發單篇重入庫
七 、問一個問題要等半天 。按標題 、隻輸出類別名稱：- knowledge_query ：查詢知識庫信息（如詢問流程、## 你的工作準則1. **隻根據提供的參考資料回答問題** ，
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 ，格式如【資料1】 ，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
，幾乎沒人用。後來我加了一個意圖識別層，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 。它給你返回一堆包含服務器的文檔 ，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 ，跟我們公司的實際流程八竿子打不著 。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！我用的是開源的BGE模型做Embedding ，
一切的起點是一頓臭罵
上個月 ，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 。
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 ，遇到不確定要說不知道……結果發現模型反而被繞暈了
，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 ，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 ，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 ，
起因是這樣的——我們部門負責維護一套內部知識庫係統，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 ，## 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 。) 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，大家寧可在群裏@人問 ，真正相關的那篇可能隻排在第3或第4位 ，後來的故事還算圓滿 。方便持續優化 eval_prompt = f請評估以下問答的質量 。有時候檢索出的Top 5結果裏 ，如果我隻取Top 3喂給大模型，係統根本不知道那個事故是哪個 。期間又踩了不少坑 ，轉成向量存起來
用戶提問時 ，老員工翻文檔找答案 ，這一步我本以為最簡單
，這個沒什麽捷徑 ，並建議用戶聯係相關部門或換個關鍵詞搜索
。我被領導叫進辦公室罵了整整二十分鍾 。用戶檢索到的可能是過時信息 。3. Prompt工程真的是門手藝
同樣的檢索結果 ，來源
：{ source}】\n{ doc['content']}) return \n\n\n\n.join(parts)
五 、
後來我的做法是 ：區分核心指令和優化指令 ，選好適用場景
RAG適合有明確知識庫、請明確說根據現有資料，不要編造2. 資料中沒有的信息 ，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 。多迭代 。生成多個變體 ，
不過說實話 ，
二 、但收獲也很大
。架構設計 、我花了將近三周時間重構了整個方案 ，
![image.png]()
具體來說分三步：- 把你的私有文檔切成小塊
，於是就不來用了
。給用戶一個友好的提示而不是硬著頭皮檢索
。把一些相似度尚可的文檔標題列出來，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。4. 對於操作類問題 ，2. 如果參考資料中沒有相關信息，
三 、能覆蓋更多的相關文檔 。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，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、但實際上 ，對於那些格式不規範的老文檔（沒有清晰的標題結構） ，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 、無法追溯和驗證 。要友好 、
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，第三個大坑 ：Prompt工程的門道比想象中深
三 、能覆蓋更多的相關文檔 。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，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、但實際上 ，對於那些格式不規範的老文檔（沒有清晰的標題結構） ，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 、無法追溯和驗證 。要友好 、
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，第三個大坑 ：Prompt工程的門道比想象中深
檢索的問題解決了 ，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 ，重排序 、規範 、前後折騰了將近一個月 。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 ！趟過的坑挺多，知識庫裏的文檔不多 ，後來我又針對不同類型的文檔做了差異化處理 ，它還是會編一個出來 。要專業、你搜服務器宕機怎麽辦 ，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 ，因為用戶說的掛了和文檔裏的異常 ，用戶問完問題後 ，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 ，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 ，LLM生成，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 ，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 ，但如果向量數據庫裏還存著老版本的內容 ，用戶的各種奇葩輸入 、
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 ，性能的優化 、
最後 ，讓大家直接問問題就能得到答案？
我當時腦子一熱 ，## 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 ，向量檢索 、沒想到也踩了不少坑 。再強的模型也是巧婦難為無米之炊。要求標注來源 # 格式化上下文 ，答案可追溯的場景。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 。每個chunk開頭都會帶上它的位置信息 ，## 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}，請指出差異並說明各自的適用場景 。希望這篇文章能幫你少踩一些坑 。
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 。不要序號 ，不同的Prompt可能帶來天壤之別的回答效果
。然後就踩了一堆坑 。新版本發布了 。4. 上線隻是開始
真正的挑戰在上線之後
。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
，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 。
一開始我把各種要求都寫進去：回答要準確 、也不知道你們昨天剛修複的那個bug是怎麽解決的。
RAG（Retrieval-Augmented Generation ，做起來挺麻煩的 。對於答不上來的問題 ，包括代碼 、比如用戶問數據庫掛了怎麽辦 ，會打斷文檔的語義完整性。每行輸出一個改寫結果 ，給你編一個看起來很合理但其實是錯的答案 。
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。這玩意兒除了當擺設，記錄下來反饋給內容團隊 ，不要其他解釋 。體驗特別差 ，我就把整個踩坑過程原原本本地記錄下來 ，
一 、這個方案也不是萬能的。用詞差異很大 。方便用戶追溯原文 。用Milvus做向量數據庫 。
有人問 ：幫我寫個SQL 。心理上就不會覺得那麽慢了 。先給出簡明定義再展開解釋。那RAG反而是個約束 。核心指令必須保留，大模型在回答時能更準確地理解這段內容的上下文 。, ！以及那些教科書上不會告訴你的實戰細節 。保持意思相同但用詞不同 。裏麵沉澱了公司近五年的技術文檔、overlap=50，GPT-4的訓練數據截止到某個時間點 ，但向量相似度可能並不高 。就是多試、馬上就能看到回答在打字 ，我當時對RAG的理解還停留在把文檔丟進去就行的水平 ，但比起之前那個沒人用的關鍵詞搜索 ，做創意） ，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 ，如果前麵的切分和檢索做得不好 ，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 、
教訓二 ：冷啟動時的尷尬
係統剛上線時 ，因為很多剛接觸的朋友容易搞混 。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 ，全部加起來可能要好幾秒
。要簡潔
、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 ，覆蓋的場景有限。優化指令可以根據問題類型動態調整 。用戶問了幾個問題都答不上來
，或聯係相關部門獲取幫助 。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 。要分步驟 、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 ，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 ，這個我們後麵再說 。
這就是所謂的大模型幻覺問題 ，