AI大模型RAG实战经验分享

一、RAG到底在解决什么问题

在动手之前，我想先聊聊RAG这个概念，因为很多刚接触的朋友容易搞混。

大模型很强，但它有两个致命弱点：

第一，知识有截止日期。 GPT-4的训练数据截止到某个时间点，它不知道你们公司上周发布的新规范，也不知道你们昨天刚修复的那个bug是怎么解决的。

第二，会一本正经地胡说八道。 当大模型遇到它不知道的问题时，它不会老老实实说我不知道，而是会基于它学过的通用知识，给你编一个看起来很合理但其实是错的答案。这就是所谓的幻觉（Hallucination）。

RAG（Retrieval-Augmented Generation，检索增强生成）的核心思路其实很简单：别让大模型靠想象力答题，先帮它把参考资料找出来，让它照着资料回答。

具体来说分三步：

1. 把你的私有文档切成小块，转成向量存起来
2. 用户提问时，先根据问题检索出最相关的文档片段
3. 把问题和检索到的内容一起喂给大模型，让它基于这些材料生成答案

听起来不复杂对吧？我当时也是这么想的，然后就踩了一堆坑。

二、第一个大坑：文档切分没那么简单

我最初的方案特别粗暴——用LangChain的RecursiveCharacterTextSplitter，设置chunk_size=500，overlap=50，直接把所有文档切成小块。

代码写起来确实很简单：

from langchain.text_splitter import RecursiveCharacterTextSplitterdefnaive_split(text):    最初的简单切分方案——后来证明这是个坑    splitter = RecursiveCharacterTextSplitter(        chunk_size=500,        chunk_overlap=50,        separators=[\n\n, \n, 。, ！, ？,  , ]    )    chunks = splitter.split_text(text)return chunks# 测试一下sample_text = # MySQL主从切换操作手册## 1. 前置检查在执行主从切换之前，必须完成以下检查：- 确认从库同步状态正常（Seconds_Behind_Master = 0）- 确认没有正在执行的大事务- 通知相关业务方，确认切换时间窗口## 2. 切换步骤2.1 在主库执行只读设置SET GLOBAL read_only = 1;2.2 等待从库完全同步在从库执行 SHOW SLAVE STATUS，确认 Seconds_Behind_Master = 02.3 停止从库复制STOP SLAVE;RESET SLAVE ALL;## 3. 回滚方案如果切换失败，按以下步骤回滚...chunks = naive_split(sample_text)for i, chunk inenumerate(chunks):print(f Chunk {i+1} )print(chunk[:100] + ... iflen(chunk) > 100else chunk)

看起来没毛病是吧？但实际用起来问题大了。

有一次用户问：MySQL切换前需要做哪些检查？系统返回的文档片段是这样的：

确认没有正在执行的大事务- 通知相关业务方，确认切换时间窗口## 2. 切换步骤2.1 在主库执行只读设置SET GLOBAL read_only = 1;

发现问题了吗？这个片段恰好从检查步骤的中间切开了！第一条检查项确认从库同步状态正常被切到了上一个chunk里。用户问的是需要做哪些检查，结果我们给大模型的参考资料里，第一条检查项就没包含进去。

核心教训：机械地按字数切分，会打断文档的语义完整性。

后来我改成了基于语义结构的切分策略：

import refrom typing importList, DictclassSmartDocumentSplitter:    语义感知的文档切分器    核心思路：尊重文档的原有结构，按标题、段落等语义边界切分def__init__(self, max_chunk_size=800, min_chunk_size=100):        self.max_chunk_size = max_chunk_size        self.min_chunk_size = min_chunk_sizedefsplit_markdown(self, text: str) -> List[Dict]:        针对Markdown文档的切分        保持标题层级结构，每个chunk都带上完整的上下文路径        chunks = []        current_headers = {1: , 2: , 3: }  # 记录当前的标题层级# 按行处理，识别标题和内容        lines = text.split('\n')        current_content = []for line in lines:# 检测Markdown标题            header_match = re.match(r'^(#{1,3})\s+(.+)$', line)if header_match:# 遇到新标题，先保存之前的内容if current_content:                    chunk_text = '\n'.join(current_content).strip()iflen(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 = []# 更新标题层级                level = len(header_match.group(1))                title = header_match.group(2)                current_headers[level] = title# 清除下级标题for l inrange(level + 1, 4):                    current_headers[l] =                 current_content.append(line)else:                current_content.append(line)# 如果当前内容超过最大长度，强制切分（但尽量在段落边界）                content_so_far = '\n'.join(current_content)iflen(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 = []# 别忘了最后一段if current_content:            chunk_text = '\n'.join(current_content).strip()iflen(chunk_text) >= self.min_chunk_size:                chunks.append({'content': chunk_text,'headers': dict(current_headers),'context_path': self._build_context_path(current_headers)                })return chunksdef_build_context_path(self, headers: Dict) -> str:        构建层级路径，比如：MySQL主从切换 > 前置检查        path_parts = [h for h in [headers[1], headers[2], headers[3]] if h]return' > '.join(path_parts) if path_parts else'未分类'defenrich_chunk_with_context(self, chunk: Dict) -> str:        关键技巧：给每个chunk加上上下文前缀        这样即使单独看这个片段，也能知道它属于哪个章节        context = f[文档路径：{chunk['context_path']}]\n\nreturn context + chunk['content']# 实际使用示例splitter = SmartDocumentSplitter(max_chunk_size=800)chunks = splitter.split_markdown(sample_text)print(f切分后共 {len(chunks)} 个片段\n)for i, chunk inenumerate(chunks):print(f=== Chunk {i+1} ===)print(f路径：{chunk['context_path']})print(f内容预览：{chunk['content'][:150]}...)print()

这样切出来的效果就好多了。每个chunk开头都会带上它的位置信息，大模型在回答时能更准确地理解这段内容的上下文。

不过说实话，这个方案也不是万能的。对于那些格式不规范的老文档（没有清晰的标题结构），切分效果依然一般。后来我又针对不同类型的文档做了差异化处理，这个我们后面再说。

三、第二个大坑：向量检索的语义鸿沟

解决了切分问题，下一步就是向量化和检索了。我用的是开源的BGE模型做Embedding，用Milvus做向量数据库。

第一版的检索代码很直白：

from sentence_transformers import SentenceTransformerfrom pymilvus import connections, Collection, FieldSchema, CollectionSchema, DataType, utilityimport numpy as npclassVectorStore:    向量存储和检索def__init__(self, model_name='BAAI/bge-base-zh-v1.5'):# 加载Embedding模型        self.model = SentenceTransformer(model_name)        self.dim = 768# BGE base模型的向量维度# 连接Milvus        connections.connect(default, host=localhost, port=19530)defcreate_collection(self, collection_name: str):        创建集合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=知识库文档)        collection = Collection(collection_name, schema)# 创建索引        index_params = {            metric_type: COSINE,            index_type: IVF_FLAT,            params: {nlist: 128}        }        collection.create_index(embedding, index_params)return collectiondefinsert_documents(self, collection_name: str, chunks: list):        插入文档        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)} 条文档)defsearch(self, collection_name: str, query: str, top_k: int = 5):        基础检索        collection = Collection(collection_name)        collection.load()# 生成查询向量        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]

基本功能是没问题的。但实际跑起来，我发现了一个让人抓狂的现象——用户的口语化提问和文档的正式表述之间存在巨大的语义鸿沟。

举个例子：

• 用户问：数据库挂了怎么办
• 文档标题是：MySQL服务异常恢复操作手册

这两个在语义上是相关的，但向量相似度可能并不高。因为用户说的挂了和文档里的异常，用词差异很大。

更坑的是，有时候检索出的Top 5结果里，真正相关的那篇可能只排在第3或第4位，但前两名是一些看起来相关但实际上文不对题的内容。如果我只取Top 3喂给大模型，可能就漏掉了最关键的信息。

后来我采用了一个两阶段检索的策略：先用向量检索做粗筛，再用重排序模型做精排。

from transformers import AutoModelForSequenceClassification, AutoTokenizerimport torchclassEnhancedRetriever:    增强版检索器：向量检索 + 重排序def__init__(self, vector_store: VectorStore):        self.vector_store = vector_store# 加载重排序模型（BGE Reranker效果不错）        self.reranker_tokenizer = AutoTokenizer.from_pretrained('BAAI/bge-reranker-base')        self.reranker_model = AutoModelForSequenceClassification.from_pretrained('BAAI/bge-reranker-base')        self.reranker_model.eval()defretrieve_with_rerank(self, collection_name: str, query: str,                              initial_top_k: int = 20, final_top_k: int = 5):        两阶段检索：1. 向量检索召回 initial_top_k 个候选2. 用重排序模型精排，返回 final_top_k 个结果# 第一阶段：向量检索（召回更多候选）        initial_results = self.vector_store.search(collection_name, query, top_k=initial_top_k)ifnot initial_results:return []# 准备重排序        candidates = []for hit in initial_results:            candidates.append({'content': hit.entity.get('content'),'context_path': hit.entity.get('context_path'),'vector_score': hit.score  # 保留向量检索得分，用于调试            })# 第二阶段：重排序        rerank_scores = self._compute_rerank_scores(query, [c['content'] for c in candidates])for i, score inenumerate(rerank_scores):            candidates[i]['rerank_score'] = score# 按重排序分数排序        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:        计算query和每个文档的相关性分数        scores = []with torch.no_grad():for doc in documents:# Reranker的输入格式是 [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 scoresdefretrieve_with_query_expansion(self, collection_name: str, query: str,                                        llm_client, top_k: int = 5):        进阶技巧：查询扩展        用大模型改写用户问题，生成多个变体，再合并检索结果# 让大模型帮我们扩展查询        expansion_prompt = f请将下面这个问题改写成3个不同的表达方式，保持意思相同但用词不同。每行输出一个改写结果，不要序号，不要其他解释。原问题：{query}        expanded_queries = llm_client.generate(expansion_prompt).strip().split('\n')        expanded_queries = [q.strip() for q in expanded_queries if q.strip()]# 加上原始查询        all_queries = [query] + expanded_queries[:3]  # 最多取3个扩展查询print(f扩展后的查询：{all_queries})  # 调试用# 对每个查询分别检索        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 notin all_candidates:                    all_candidates[content] = {'content': content,'context_path': hit.entity.get('context_path'),'best_score': hit.score,'hit_count': 1                    }else:# 被多个查询命中的文档，增加权重                    all_candidates[content]['hit_count'] += 1                    all_candidates[content]['best_score'] = max(                        all_candidates[content]['best_score'],                         hit.score                    )# 综合评分：命中次数 * 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]

查询扩展这招特别好用。比如用户问数据库挂了怎么办，大模型可能会扩展成：

• MySQL服务故障如何处理
• 数据库无法连接的解决方案
• 数据库宕机恢复步骤

这几个查询一起检索，能覆盖更多的相关文档。

四、第三个大坑：Prompt工程的门道比想象中深

检索的问题解决了，接下来就是把检索到的内容和用户问题一起喂给大模型了。这一步我本以为最简单，没想到也踩了不少坑。

最初的Prompt特别朴素：

defbuild_naive_prompt(query: str, context_docs: list) -> str:    最初的简单Prompt——后来证明太天真了    context = \n\n.join([doc['content'] for doc in context_docs])    prompt = f根据以下参考资料回答用户问题。参考资料：{context}用户问题：{query}请回答：return prompt

这个Prompt有几个严重问题：

问题一：大模型不知道什么时候该说不知道。 当参考资料里确实没有答案时，它还是会编一个出来。

问题二：没有引导大模型说明信息来源。 用户看到答案，不知道是从哪篇文档里来的，无法追溯和验证。

问题三：对于复杂问题，回答的结构不够清晰。

后来迭代了很多版，最终稳定下来的Prompt是这样的：

defbuild_rag_prompt(query: str, context_docs: list,                      include_sources: bool = True) -> str:    生产环境使用的Prompt模板    关键设计：明确角色定位、限制回答范围、要求标注来源# 格式化上下文，每段都标注来源    context_parts = []for i, doc inenumerate(context_docs, 1):        source = doc.get('context_path', '未知来源')        context_parts.append(f【资料{i}，来源：{source}】\n{doc['content']})    context = \n\n\n\n.join(context_parts)    prompt = f你是一个企业内部知识库助手，专门帮助员工查找和理解公司内部文档。## 你的工作准则1. **只根据提供的参考资料回答问题**，不要使用你自己的知识。2. 如果参考资料中没有相关信息，请明确说根据现有资料，我无法找到关于这个问题的信息，并建议用户联系相关部门或换个关键词搜索。3. 回答时请标注信息来源，格式如【资料1】，方便用户追溯原文。4. 对于操作类问题，请按步骤清晰地列出；对于概念类问题，先给出简明定义再展开解释。5. 如果不同资料中的信息有冲突，请指出差异并说明各自的适用场景。## 参考资料{context}## 用户问题{query}## 回答要求请根据上述参考资料回答用户问题。记住：- 只使用参考资料中的信息- 标注信息来源- 没有把握的内容不要编造return promptdefbuild_conversational_prompt(query: str, context_docs: list,                                  chat_history: list = None) -> str:    支持多轮对话的Prompt    需要带上历史对话记录，让大模型理解上下文    context_parts = []for i, doc inenumerate(context_docs, 1):        source = doc.get('context_path', '未知来源')        context_parts.append(f【资料{i}，来源：{source}】\n{doc['content']})    context = \n\n\n\n.join(context_parts)# 格式化历史对话    history_text = if chat_history:        history_parts = []for turn in chat_history[-5:]:  # 只保留最近5轮，避免太长            history_parts.append(f用户：{turn['user']})            history_parts.append(f助手：{turn['assistant']})        history_text = \n.join(history_parts)    prompt = f你是一个企业内部知识库助手。## 参考资料{context}## 对话历史{history_text if history_text else （这是对话的开始）}## 当前问题用户：{query}## 回答准则1. 优先根据参考资料回答，如无相关信息请明确说明2. 考虑对话历史的上下文（如用户说它可能指代之前提到的概念）3. 标注信息来源助手：return prompt

关于Prompt，我还想分享一个很重要的经验：不要试图在一个Prompt里塞太多指令。

一开始我把各种要求都写进去：回答要准确、要简洁、要友好、要专业、要标注来源、要分步骤、遇到不确定要说不知道……结果发现模型反而被绕晕了，有时候顾了这个忘了那个。

后来我的做法是：区分核心指令和优化指令，核心指令必须保留，优化指令可以根据问题类型动态调整。

classPromptBuilder:    Prompt构建器：根据问题类型动态调整# 核心指令——任何情况都必须包含    CORE_INSTRUCTIONS = 1. 只使用参考资料中的信息回答，不要编造2. 资料中没有的信息，明确说无法找到相关信息3. 标注信息来源【资料X】# 操作类问题的额外指令    PROCEDURE_INSTRUCTIONS = 回答格式要求：- 按步骤编号列出（第一步、第二步...）- 每个步骤要明确操作对象和操作动作- 重要的警告或注意事项用⚠️标出# 概念解释类问题的额外指令    CONCEPT_INSTRUCTIONS = 回答格式要求：- 先用一句话给出核心定义- 再详细解释关键点- 如有必要，举例说明# 故障排查类问题的额外指令    TROUBLESHOOT_INSTRUCTIONS = 回答格式要求：- 先列出可能的原因- 针对每个原因给出排查方法- 给出解决方案或规避建议    @classmethoddefbuild(cls, query: str, context_docs: list, question_type: str = general) -> str:        根据问题类型构建Prompt# 简单的问题分类逻辑（实际项目中可以用分类模型）if question_type == auto:            question_type = cls._classify_question(query)        extra_instructions = if question_type == procedure:            extra_instructions = cls.PROCEDURE_INSTRUCTIONSelif question_type == concept:            extra_instructions = cls.CONCEPT_INSTRUCTIONSelif question_type == troubleshoot:            extra_instructions = cls.TROUBLESHOOT_INSTRUCTIONS        context = cls._format_context(context_docs)        prompt = f你是企业内部知识库助手。## 必须遵守的规则{cls.CORE_INSTRUCTIONS}{f## 回答格式{extra_instructions} if extra_instructions else }## 参考资料{context}## 用户问题{query}请回答：return prompt    @classmethoddef_classify_question(cls, query: str) -> str:        简单的问题分类（基于关键词）        procedure_keywords = [怎么做, 如何操作, 步骤, 流程, 怎样]        concept_keywords = [是什么, 什么是, 定义, 解释, 区别]        troubleshoot_keywords = [为什么, 报错, 失败, 异常, 问题, 故障]        query_lower = query.lower()ifany(kw in query_lower for kw in procedure_keywords):return procedureelifany(kw in query_lower for kw in concept_keywords):return conceptelifany(kw in query_lower for kw in troubleshoot_keywords):return troubleshootelse:return general    @classmethoddef_format_context(cls, context_docs: list) -> str:        parts = []for i, doc inenumerate(context_docs, 1):            source = doc.get('context_path', '未知来源')            parts.append(f【资料{i}，来源：{source}】\n{doc['content']})return \n\n\n\n.join(parts)

五、串起来：完整的RAG Pipeline

前面说了一堆细节，现在把它们串成一个完整的Pipeline：

from openai import OpenAIfrom typing importList, Dict, Optionalimport jsonclassRAGPipeline:    完整的RAG处理流程    文档切分 -> 向量化存储 -> 检索 -> 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):# 初始化各个组件        self.splitter = SmartDocumentSplitter(max_chunk_size=800)        self.vector_store = VectorStore()        self.retriever = EnhancedRetriever(self.vector_store)# 初始化LLM客户端（这里用DeepSeek，也可以换成其他的）        self.llm_client = OpenAI(base_url=llm_base_url, api_key=llm_api_key)        self.llm_model = llm_model        self.collection_name = knowledge_basedefingest_documents(self, documents: List[Dict]):        文档入库        documents格式：[{title: 文档标题, content: 文档内容, source: 来源}]print(f开始处理 {len(documents)} 篇文档...)        all_chunks = []for doc in documents:# 在内容前加上标题，帮助切分器识别结构            full_content = f# {doc['title']}\n\n{doc['content']}            chunks = self.splitter.split_markdown(full_content)# 给每个chunk加上文档来源信息for chunk in chunks:                chunk['source_doc'] = doc.get('source', doc['title'])            all_chunks.extend(chunks)print(f切分后共 {len(all_chunks)} 个片段)# 创建集合并插入        self.vector_store.create_collection(self.collection_name)        self.vector_store.insert_documents(self.collection_name, all_chunks)print(文档入库完成！)defquery(self,               question: str,               chat_history: Optional[List[Dict]] = None,              top_k: int = 5,              use_rerank: bool = True) -> Dict:        处理用户查询        返回：{answer: 回答内容, sources: [引用的来源], retrieved_docs: [检索到的文档]}# 1. 检索相关文档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]ifnot retrieved_docs:return {                answer: 抱歉，我没有找到与您问题相关的资料。您可以尝试换个关键词，或联系相关部门获取帮助。,                sources: [],                retrieved_docs: []            }# 2. 构建Promptif chat_history:            prompt = build_conversational_prompt(question, retrieved_docs, chat_history)else:            prompt = PromptBuilder.build(question, retrieved_docs, question_type=auto)# 3. 调用LLM生成回答        response = self.llm_client.chat.completions.create(            model=self.llm_model,            messages=[{role: user, content: prompt}],            temperature=0.3,  # 知识库问答用较低的temperature            max_tokens=2000        )        answer = response.choices[0].message.content# 4. 提取引用的来源        sources = list(set([doc.get('context_path', '未知来源') for doc in retrieved_docs]))return {            answer: answer,            sources: sources,            retrieved_docs: retrieved_docs        }defevaluate_response(self, question: str, answer: str,                           ground_truth: str = None) -> Dict:        回答质量评估（可选）        用LLM评估回答的质量，方便持续优化        eval_prompt = f请评估以下问答的质量。问题：{question}回答：{answer}{f参考答案：{ground_truth} if ground_truth else }请从以下维度评分（1-5分）并说明理由：1. 相关性：回答是否切题2. 准确性：信息是否正确3. 完整性：是否完整解答了问题4. 可读性：表述是否清晰易懂请用JSON格式输出：{{relevance: 分数, accuracy: 分数, completeness: 分数, readability: 分数, comments: 评价说明}}        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_resultexcept:return {error: 评估结果解析失败}# 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    )# 准备测试文档    test_documents = [        {            title: MySQL主从切换操作手册,            content: """				## 1. 前置检查				在执行主从切换之前，必须完成以下检查：				- 确认从库同步状态正常（Seconds_Behind_Master = 0）				- 确认没有正在执行的大事务				- 通知相关业务方，确认切换时间窗口				## 2. 切换步骤				### 2.1 在主库执行只读设置				SET GLOBAL read_only = 1;				### 2.2 等待从库完全同步				在从库执行 SHOW SLAVE STATUS，确认 Seconds_Behind_Master = 0				### 2.3 停止从库复制并提升为主库				STOP SLAVE;				RESET SLAVE ALL;				SET GLOBAL read_only = 0;				## 3. 切换后验证				- 确认新主库可以正常写入				- 确认应用连接已切换到新主库				- 监控新主库的性能指标				""",            source: DBA团队文档        }    ]# 入库    rag.ingest_documents(test_documents)# 测试查询    result = rag.query(MySQL切换前需要做哪些检查？)print(= * 50)print(问题：MySQL切换前需要做哪些检查？)print(= * 50)print(f\n回答：\n{result['answer']})print(f\n参考来源：{result['sources']})

六、上线后的一些经验教训

系统上线到现在差不多两个月了，期间又踩了不少坑，这里挑几个印象最深的说说。

教训一：用户的问题千奇百怪

我们在设计时假设用户会问MySQL怎么做主从切换这种正常问题。但实际上呢？

有人问：上次那个事故怎么处理的来着？——没有任何上下文，系统根本不知道那个事故是哪个。

有人问：帮我写个SQL。——这根本不是知识库问答，这是让大模型帮写代码。

还有人问：在吗？——我也不知道他想干啥。

后来我加了一个意图识别层，先判断用户的问题是否属于知识库问答的范畴：

defclassify_intent(self, query: str) -> str:"""识别用户意图"""    intent_prompt = f"""判断用户输入的意图类别，只输出类别名称：- knowledge_query：查询知识库信息（如询问流程、规范、操作方法）- code_request：请求生成代码- chitchat：闲聊或无明确意图- other：其他用户输入：{query}意图类别："""    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()

对于非知识库问答的意图，给用户一个友好的提示而不是硬着头皮检索。

教训二：冷启动时的尴尬

系统刚上线时，知识库里的文档不多，覆盖的场景有限。用户问了几个问题都答不上来，体验特别差，于是就不来用了。

后来的解决办法：

1. 上线前先梳理高频问题，确保至少这些问题能回答好
2. 搞了一个问题收集功能，对于答不上来的问题，记录下来反馈给内容团队，让他们补充相关文档
3. 做了一个兜底策略——如果检索不到高相关度的内容，就展示相关推荐，把一些相似度尚可的文档标题列出来，引导用户自己去看

教训三：文档更新的同步问题

知识库的文档是会更新的。老版本的操作手册废弃了，新版本发布了。但如果向量数据库里还存着老版本的内容，用户检索到的可能是过时信息。

这个问题说起来简单，做起来挺麻烦的。我们最后的方案是：

1. 每个文档入库时记录版本号和更新时间
2. 定期全量重新入库（我们是每周一次）
3. 对于紧急更新的重要文档，支持手动触发单篇重入库

七、性能优化：让系统不那么慢

RAG系统有个让人头疼的问题——慢。

整个流程跑一遍：Embedding编码、向量检索、重排序、LLM生成，全部加起来可能要好几秒。用户体验就很差，问一个问题要等半天。

几个优化措施：

import asynciofrom functools import lru_cacheimport hashlibclassOptimizedRAG:    性能优化版RAGdef__init__(self):# 缓存热门查询的结果        self.query_cache = {}        self.cache_ttl = 3600# 1小时过期    @lru_cache(maxsize=1000)def_compute_query_embedding(self, query: str):        Embedding结果缓存        同样的问题不用重复计算向量return self.model.encode([query], normalize_embeddings=True)[0]def_get_cache_key(self, query: str) -> str:        生成缓存keyreturn hashlib.md5(query.lower().strip().encode()).hexdigest()asyncdefstream_query(self, question: str):        流式输出        不用等整个回答生成完，边生成边输出        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# 开启流式        )for chunk in stream:if chunk.choices[0].delta.content:yield chunk.choices[0].delta.content

流式输出这一点特别重要。用户问完问题后，马上就能看到回答在打字，心理上就不会觉得那么慢了。

八、回顾与思考

把这套系统从被骂下线到成为部门标配，前后折腾了将近一个月。趟过的坑挺多，但收获也很大。

几点核心总结：

1. RAG不是万能的，选好适用场景

RAG适合有明确知识库、答案可追溯的场景。如果你的需求是让大模型发挥创造力（比如写文案、做创意），那RAG反而是个约束。

2. 切分和检索是根基

大家往往把注意力放在大模型本身，觉得用更强的模型就能解决问题。但实际上，如果前面的切分和检索做得不好，再强的模型也是巧妇难为无米之炊。

3. Prompt工程真的是门手艺

同样的检索结果，不同的Prompt可能带来天壤之别的回答效果。这个没什么捷径，就是多试、多看、多迭代。

4. 上线只是开始

真正的挑战在上线之后。用户的各种奇葩输入、文档的持续更新、性能的优化、效果的监控……每一项都是持续的工作。

最后，附上这套系统目前的一些核心指标：

• 日均查询量：200+次
• 平均响应时间：2.3秒（开启流式后首字符延迟约0.8秒）
• 用户满意度（通过回答后的点赞/点踩收集）：约72%
• 无法回答的比例：约22%（这部分会定期分析，推动补充文档）

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】