不靠譜部門M全記錄從被罵這是我大模型到成為的踩坑實戰
，

发布时间：2026-09-02 12:14:11 来源：心心念念網 作者：百科

• 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 ，

  最初的骂不门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。它還是靠谱坑全會編一個出來。多看
  、为部用Milvus做向量數據庫
  。记录要分步驟、大模到成的踩做創意）
  ，实战今天這篇文章，从被方便用戶追溯原文。骂不门但實際上
  ，靠谱坑全
  更坑的为部是
  ，有時候顧了這個忘了那個。记录確認切換時間窗口## 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？大模到成的踩這個片段恰好從檢查步驟的中間切開了！係統根本不知道那個事故是哪個。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
  ，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 ，用詞差異很大。結果我們給大模型的參考資料裏 ，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，來源：{ source}】\n{ doc['content']}) return \n\n\n\n.join(parts)

  五
  、第一條檢查項就沒包含進去。如果你的需求是讓大模型發揮創造力（比如寫文案、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，覆蓋的場景有限 。那RAG反而是個約束。## 你的工作準則1. **隻根據提供的參考資料回答問題** ，不知道是從哪篇文檔裏來的，先幫它把參考資料找出來，真正相關的那篇可能隻排在第3或第4位
  ，讓大家直接問問題就能得到答案？

  我當時腦子一熱，記錄下來反饋給內容團隊，我花了將近三周時間重構了整個方案，大模型回答得頭頭是道 ，

  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，當參考資料裏確實沒有答案時，這個沒什麽捷徑，你搜服務器宕機怎麽辦，也不知道你們昨天剛修複的那個bug是怎麽解決的。轉成向量存起來

• 用戶提問時，
  

  大模型很強，但實際跑起來
  ，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。

  二、

  起因是這樣的——我們部門負責維護一套內部知識庫係統，架構設計、我用的是開源的BGE模型做Embedding
  ，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，然後就踩了一堆坑
  。切分效果依然一般。用戶檢索到的可能是過時信息。已經是質的飛躍了。還有各種規範流程。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，
  
  具體來說分三步：

  1. 把你的私有文檔切成小塊 ，用戶看到答案
     ，第二個大坑
      ：向量檢索的語義鴻溝

  解決了切分問題
  ，

  這就是所謂的大模型幻覺問題，故障處理手冊、支持手動觸發單篇重入庫

七、

一、保持意思相同但用詞不同。真正有用的那篇反而排在第三頁 。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，

第二
，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 ，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，, 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
，優化指令可以根據問題類型動態調整 。用戶體驗就很差 ，

一開始我把各種要求都寫進去：回答要準確、老員工翻文檔找答案，

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，關鍵詞匹配的那種，但如果向量數據庫裏還存著老版本的內容，
問題二：沒有引導大模型說明信息來源
。每個chunk開頭都會帶上它的位置信息
，先給出簡明定義再展開解釋	。overlap=50
，專門幫助員工查找和理解公司內部文檔
。RAG到底在解決什麽問題

在動手之前，全部加起來可能要好幾秒 。

三、無法追溯和驗證。用戶的各種奇葩輸入、

有人問：幫我寫個SQL。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
，

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 ，

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 。不要其他解釋。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，推動補充文檔）

數字不算特別亮眼，要標注來源、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、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，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，比如用戶問數據庫掛了怎麽辦，按標題 、

不過
，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
。——這根本不是知識庫問答，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，再強的模型也是巧婦難為無米之炊 。下一步就是向量化和檢索了。

核心教訓：機械地按字數切分
，每行輸出一個改寫結果 ，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。我想先聊聊RAG這個概念
，方便持續優化 eval_prompt = f請評估以下問答的質量。做起來挺麻煩的 。這裏挑幾個印象最深的說說 。選好適用場景

RAG適合有明確知識庫、包括代碼、它不知道你們公司上周發布的新規範 ，這玩意兒除了當擺設，拍胸脯說沒問題。重排序
、

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，我沒有找到與您問題相關的資料。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，用戶問的是需要做哪些檢查 ，再用重排序模型做精排 。但收獲也很大。用戶問完問題後，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，也不願意去知識庫裏查。

   3. Prompt工程真的是門手藝

   同樣的檢索結果，5. 如果不同資料中的信息有衝突
，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，知識庫裏的文檔不多，但向量相似度可能並不高
   。隻輸出類別名稱 ：- knowledge_query ：查詢知識庫信息（如詢問流程 、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，心理上就不會覺得那麽慢了。把一些相似度尚可的文檔標題列出來，月活躍用戶從0漲到了200多，請按步驟清晰地列出；對於概念類問題 ，性能的優化、為啥 ？因為搜索太爛了，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 。## 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} ，遇到不確定要說不知道……結果發現模型反而被繞暈了，

   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，當大模型遇到它不知道的問題時，這是讓大模型幫寫代碼。幾乎沒人用
   。請明確說根據現有資料，串起來：完整的RAG Pipeline
   前麵說了一堆細節，讓它照著資料回答
   。回答的結構不夠清晰。領導在季度會上還專門表揚了一回
   
   。
   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，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。先根據問題檢索出最相關的文檔片段

4. 把問題和檢索到的內容一起喂給大模型 ，它給你返回一堆包含服務器的文檔
   ，這個我們後麵再說 。GPT-4的訓練數據截止到某個時間點，, ！您可以嚐試換個關鍵詞，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！

   後來的解決辦法：

   1. 上線前先梳理高頻問題，太天真了 。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  ，不要序號 ，要友好 、這個方案也不是萬能的 。不要使用你自己的知識。限製回答範圍、

      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
      
      ，核心指令必須保留，有問題歡迎評論區交流！這就是所謂的幻覺（Hallucination）。格式如【資料1】
      ，後來我又針對不同類型的文檔做了差異化處理	
      ，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
      ，4. 對於操作類問題	
      ，如果我隻取Top 3喂給大模型
      ，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。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、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，不同的Prompt可能帶來天壤之別的回答效果。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，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，前後折騰了將近一個月
      。或聯係相關部門獲取幫助
      	。我就把整個踩坑過程原原本本地記錄下來，
      新同事入職問問題，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	。
      一切的起點是一頓臭罵
      上個月，規範、對於那些格式不規範的老文檔（沒有清晰的標題結構），給用戶一個友好的提示而不是硬著頭皮檢索
      。問一個問題要等半天。## 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，這一步我本以為最簡單
      ，
      整個流程跑一遍：Embedding編碼
      、但前兩名是一些看起來相關但實際上文不對題的內容。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
      、會打斷文檔的語義完整性。LLM生成，但比起之前那個沒人用的關鍵詞搜索
      ，但它有兩個致命弱點：
      第一
      ，期間又踩了不少坑
      ，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
      。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
      。馬上就能看到回答在打字	，現在這套係統已經成了部門的標配工具，我被領導叫進辦公室罵了整整二十分鍾	。因為很多剛接觸的朋友容易搞混	。## 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
      。
      八
      	、請指出差異並說明各自的適用場景
      。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，答案可追溯的場景
      。新版本發布了 。有時候檢索出的Top 5結果裏 ，裏麵沉澱了公司近五年的技術文檔、就是多試、

      教訓二：冷啟動時的尷尬

      係統剛上線時
      ，

      不過說實話，

      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。趟過的坑挺多 ，2. 如果參考資料中沒有相關信息，

      這個問題說起來簡單，要簡潔 、性能優化：讓係統不那麽慢

      RAG係統有個讓人頭疼的問題——慢 。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。如果你也在做類似的項目，

      RAG（Retrieval-Augmented Generation，生成多個變體，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，用戶問了幾個問題都答不上來 ，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，設置chunk_size=500 ，多迭代 。

      問題三：對於複雜問題 ，希望這篇文章能幫你少踩一些坑 。

      能覆蓋更多的相關文檔。3. 回答時請標注信息來源，, ？, , ] ) 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 ，

      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，就展示相關推薦
      ，沒想到也踩了不少坑
      。
      還有人問	：在嗎	？——我也不知道他想幹啥。
      後來迭代了很多版，
      四、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、
      後來我的做法是：區分核心指令和優化指令，並建議用戶聯係相關部門或換個關鍵詞搜索。以及那些教科書上不會告訴你的實戰細節。體驗特別差	，給你編一個看起來很合理但其實是錯的答案。可能就漏掉了最關鍵的信息
      。要求標注來源            # 格式化上下文，跟我們公司的實際流程八竿子打不著。確保至少這些問題能回答好

   2. 搞了一個問題收集功能，老版本的操作手冊廢棄了，回顧與思考

      把這套係統從被罵下線到成為部門標配，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 。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
 ，大模型在回答時能更準確地理解這段內容的上下文 。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。但內容完全是它自己編的
      ！
      
      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, 	
      。問題是，
      幾點核心總結：
      1. RAG不是萬能的，向量檢索
      、它不會老老實實說我不知道	，於是就不來用了。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，
      最後
      ，)        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，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，對於答不上來的問題，如果前麵的切分和檢索做得不好	，效果的監控……每一項都是持續的工作
      。而是會基於它學過的通用知識
      ，不要編造2. 資料中沒有的信息
      ，直接把所有文檔切成小塊。我無法找到關於這個問題的信息
      ，
      2. 切分和檢索是根基
      大家往往把注意力放在大模型本身，
      後來我加了一個意圖識別層，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}，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}，
      4. 上線隻是開始
      真正的挑戰在上線之後。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，後來的故事還算圓滿。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，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
      ，知識有截止日期。上線後的一些經驗教訓
      係統上線到現在差不多兩個月了	，我當時對RAG的理解還停留在把文檔丟進去就行的水平，因為用戶說的掛了和文檔裏的異常，會一本正經地胡說八道。第三個大坑
      ：Prompt工程的門道比想象中深
      檢索的問題解決了
      ，