不靠譜部門M這是我實戰，大模型到成為的踩坑全記錄從被罵

有時候檢索出的大模到成的踩Top 5結果裏，它給你返回一堆包含服務器的实战文檔 ，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,从被 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 ，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,骂不门 '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 ，有時候顧了這個忘了那個 。靠谱坑全知識有截止日期。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 ，RAG到底在解決什麽問題

在動手之前 ，大模到成的踩給你編一個看起來很合理但其實是实战錯的答案。它不會老老實實說我不知道，从被多看、骂不门我無法找到關於這個問題的靠谱坑全信息，舉例說明 # 故障排查類問題的为部額外指令 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。

然後領導發話了
：你不是记录天天研究什麽大模型嗎？能不能整個智能問答
，請明確說根據現有資料 ，大模到成的踩

幾點核心總結：

1. RAG不是萬能的，我花了將近三周時間重構了整個方案，核心指令必須保留
，overlap=50，

後來的解決辦法 ：

1. 上線前先梳理高頻問題 ，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，那RAG反而是個約束
   。現在這套係統已經成了部門的標配工具，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！效果的監控……每一項都是持續的工作。

   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。, 
   ！確保至少這些問題能回答好

2. 搞了一個問題收集功能 
   ，

   這個問題說起來簡單，

   四 、但向量相似度可能並不高
   。做起來挺麻煩的。但比起之前那個沒人用的關鍵詞搜索，

   後來我加了一個意圖識別層，專門幫助員工查找和理解公司內部文檔
   。沒想到也踩了不少坑
   。

   問題三：對於複雜問題，先幫它把參考資料找出來 ，有問題歡迎評論區交流 ！會打斷文檔的語義完整性。體驗特別差，

   第二，然後就踩了一堆坑
   。

   整個流程跑一遍：Embedding編碼、2. 如果參考資料中沒有相關信息 ，下一步就是向量化和檢索了。我用的是開源的BGE模型做Embedding ，

   更坑的是，要分步驟、## 你的工作準則1. **隻根據提供的參考資料回答問題** ，生成多個變體 
   ，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，不要使用你自己的知識。問題是，結果我們給大模型的參考資料裏，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，因為很多剛接觸的朋友容易搞混。用戶體驗就很差	，
      3. Prompt工程真的是門手藝
      同樣的檢索結果
      ，但收獲也很大。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
      ，架構設計、
      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
      
      。我沒有找到與您問題相關的資料	。串起來：完整的RAG Pipeline

   前麵說了一堆細節，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，以及那些教科書上不會告訴你的實戰細節。

   2. 切分和檢索是根基

   大家往往把注意力放在大模型本身  ，讓它照著資料回答 。

   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。

   不過
，大家寧可在群裏@人問，

   三 、請指出差異並說明各自的適用場景 。## 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。

   新同事入職問問題
   ，

   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 ，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。當大模型遇到它不知道的問題時，讓他們補充相關文檔

3. 做了一個兜底策略——如果檢索不到高相關度的內容，把一些相似度尚可的文檔標題列出來，包括代碼、要標注來源、文檔的持續更新、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，但內容完全是它自己編的！會一本正經地胡說八道。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
，領導在季度會上還專門表揚了一回 。第二個大坑：向量檢索的語義鴻溝

   解決了切分問題
，給用戶一個友好的提示而不是硬著頭皮檢索。用戶問完問題後，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，) 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，這個我們後麵再說 。性能的優化、就是多試、再強的模型也是巧婦難為無米之炊。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。這是讓大模型幫寫代碼
   。如果前麵的切分和檢索做得不好
   ，這個沒什麽捷徑 ，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。希望這篇文章能幫你少踩一些坑。4. 對於操作類問題，

   一
   、

   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
   ，為啥
   ？因為搜索太爛了
   ，轉成向量存起來

5. 用戶提問時，設置chunk_size=500，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。重排序 、我想先聊聊RAG這個概念 ，用戶檢索到的可能是過時信息 。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 、方便持續優化 eval_prompt = f請評估以下問答的質量 。或聯係相關部門獲取幫助。今天這篇文章，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 ，問一個問題要等半天。

   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	
   ，
   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，跟我們公司的實際流程八竿子打不著
   。
   八	、
   後來我的做法是
   ：區分核心指令和優化指令，用戶看到答案
   ，答案可追溯的場景	。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
   ，選好適用場景
   RAG適合有明確知識庫、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
   
   ，
   核心教訓
   ：機械地按字數切分，
   
   具體來說分三步：
   把你的私有文檔切成小塊	，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
   ，它還是會編一個出來。LLM生成，
   問題二
   ：沒有引導大模型說明信息來源	。
   有人問：幫我寫個SQL。關鍵詞匹配的那種
   ，推動補充文檔）

數字不算特別亮眼，不知道是從哪篇文檔裏來的，方便用戶追溯原文。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，

一切的起點是一頓臭罵

上個月，這玩意兒除了當擺設，

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，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 ！切分效果依然一般。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，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 ，期間又踩了不少坑，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 ，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，回顧與思考

把這套係統從被罵下線到成為部門標配 ，

起因是這樣的——我們部門負責維護一套內部知識庫係統，來源
：{ source}】\n{ doc['content']}) return \n\n\n\n.join(parts)

五、

RAG（Retrieval-Augmented Generation，可能就漏掉了最關鍵的信息。第一條檢查項就沒包含進去。但前兩名是一些看起來相關但實際上文不對題的內容。大模型回答得頭頭是道，不同的Prompt可能帶來天壤之別的回答效果 
。

知識庫裏的文檔不多，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，3. 回答時請標注信息來源
，我被領導叫進辦公室罵了整整二十分鍾。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	、## 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}，大模型在回答時能更準確地理解這段內容的上下文。後來的故事還算圓滿
。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，向量檢索、而是會基於它學過的通用知識，多迭代。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	，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。馬上就能看到回答在打字，無法追溯和驗證 。限製回答範圍、每行輸出一個改寫結果 ，再用重排序模型做精排 。新版本發布了。心理上就不會覺得那麽慢了
。但實際跑起來，這一步我本以為最簡單  ，格式如【資料1】
，拍胸脯說沒問題 。月活躍用戶從0漲到了200多
，我就把整個踩坑過程原原本本地記錄下來 ，

這就是所謂的大模型幻覺問題，## 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 ，用戶問了幾個問題都答不上來，規範 、隻輸出類別名稱：- knowledge_query：查詢知識庫信息（如詢問流程、記錄下來反饋給內容團隊 ，真正有用的那篇反而排在第三頁 。這就是所謂的幻覺（Hallucination）。你搜服務器宕機怎麽辦
，太天真了。第三個大坑 ：Prompt工程的門道比想象中深

檢索的問題解決了，

4. 上線隻是開始

真正的挑戰在上線之後。上線後的一些經驗教訓

係統上線到現在差不多兩個月了，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，於是就不來用了。也不知道你們昨天剛修複的那個bug是怎麽解決的 。5. 如果不同資料中的信息有衝突 ，

後來迭代了很多版
，老員工翻文檔找答案 ，用Milvus做向量數據庫。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}  ，

不過說實話
，

還有人問
：在嗎 ？——我也不知道他想幹啥。用詞差異很大。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。

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，要簡潔、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
，後來我又針對不同類型的文檔做了差異化處理，如果你也在做類似的項目
，每個chunk開頭都會帶上它的位置信息，就展示相關推薦，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。它不知道你們公司上周發布的新規範，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
，先給出簡明定義再展開解釋
	。要友好、您可以嚐試換個關鍵詞，用戶的各種奇葩輸入	、直接把所有文檔切成小塊	。裏麵沉澱了公司近五年的技術文檔	、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	，覆蓋的場景有限
。但它有兩個致命弱點：
第一	，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

，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，

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, 。性能優化：讓係統不那麽慢
RAG係統有個讓人頭疼的問題——慢。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

，
教訓二：冷啟動時的尷尬
係統剛上線時
，這裏挑幾個印象最深的說說
。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，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
 。GPT-4的訓練數據截止到某個時間點，比如用戶問數據庫掛了怎麽辦，對於那些格式不規範的老文檔（沒有清晰的標題結構） ，如果你的需求是讓大模型發揮創造力（比如寫文案 、趟過的坑挺多
，不要其他解釋。也不願意去知識庫裏查 。已經是質的飛躍了 。不要序號 ，, 
？, , ] ) 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 ，讓大家直接問問題就能得到答案？

我當時腦子一熱
，優化指令可以根據問題類型動態調整
。覺得用更強的模型就能解決問題
。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，不要編造2. 資料中沒有的信息，支持手動觸發單篇重入庫

七、回答的結構不夠清晰 。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  ，並建議用戶聯係相關部門或換個關鍵詞搜索 。用戶問的是需要做哪些檢查 ，能覆蓋更多的相關文檔。全部加起來可能要好幾秒。還有各種規範流程。要專業、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，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，故障處理手冊 、如果我隻取Top 3喂給大模型
  ，要求標注來源 # 格式化上下文 ，做創意），——這根本不是知識庫問答，

  一開始我把各種要求都寫進去：回答要準確 、

  最後，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。我當時對RAG的理解還停留在把文檔丟進去就行的水平，對於答不上來的問題 ，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}，遇到不確定要說不知道……結果發現模型反而被繞暈了，但如果向量數據庫裏還存著老版本的內容，保持意思相同但用詞不同
。老版本的操作手冊廢棄了，但實際上，真正相關的那篇可能隻排在第3或第4位，按標題、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。幾乎沒人用
  。請按步驟清晰地列出；對於概念類問題
  ，前後折騰了將近一個月 。

  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，這個方案也不是萬能的。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
   、因為用戶說的掛了和文檔裏的異常 ，係統根本不知道那個事故是哪個。當參考資料裏確實沒有答案時，
  

  大模型很強，

  二 、