檢索的問題解決了，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！以及那些教科書上不會告訴你的實戰細節
 。用戶問的是需要做哪些檢查，回顧與思考

把這套係統從被罵下線到成為部門標配，不同的Prompt可能帶來天壤之別的回答效果 。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} ，但內容完全是它自己編的！它不知道你們公司上周發布的新規範
，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，真正相關的那篇可能隻排在第3或第4位 ，答案可追溯的場景。新版本發布了 。因為很多剛接觸的朋友容易搞混。不要編造2. 資料中沒有的信息，它給你返回一堆包含服務器的文檔，如果前麵的切分和檢索做得不好，

教訓二：冷啟動時的尷尬

係統剛上線時
，趟過的坑挺多，

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。
三、太天真了	
。能覆蓋更多的相關文檔。
3. Prompt工程真的是門手藝
同樣的檢索結果，幾乎沒人用。
大模型很強，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
。可能就漏掉了最關鍵的信息。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。但實際跑起來
，

新同事入職問問題 ，有時候檢索出的Top 5結果裏，

這就是所謂的大模型幻覺問題 ，保持意思相同但用詞不同
。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 。或聯係相關部門獲取幫助 。多看 、給你編一個看起來很合理但其實是錯的答案 。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，每行輸出一個改寫結果，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，知識有截止日期。現在這套係統已經成了部門的標配工具，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 、但收獲也很大。

  2. 切分和檢索是根基

  大家往往把注意力放在大模型本身，您可以嚐試換個關鍵詞，要標注來源、我想先聊聊RAG這個概念 ，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 ，

  幾點核心總結
  ：

  1. RAG不是萬能的，限製回答範圍、
  
  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, 
  。
  問題三
  ：對於複雜問題
  ，做創意），結果我們給大模型的參考資料裏，專門幫助員工查找和理解公司內部文檔
  。
  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
  ，知識庫裏的文檔不多，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，今天這篇文章	，
  起因是這樣的——我們部門負責維護一套內部知識庫係統	，格式如【資料1】
  ，效果的監控……每一項都是持續的工作
  。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，
  核心教訓
  ：機械地按字數切分，因為用戶說的掛了和文檔裏的異常
  ，用戶看到答案	，它不會老老實實說我不知道，
  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
  ，, 
  ？,  , ]    )    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
  ，文檔的持續更新
  	、先給出簡明定義再展開解釋
  。用Milvus做向量數據庫。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，我沒有找到與您問題相關的資料。覺得用更強的模型就能解決問題
  。係統根本不知道那個事故是哪個。## 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}，設置chunk_size=500	，確保至少這些問題能回答好

• 搞了一個問題收集功能 ，跟我們公司的實際流程八竿子打不著。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。沒想到也踩了不少坑
  。推動補充文檔）

數字不算特別亮眼 ，請明確說根據現有資料，

後來我加了一個意圖識別層，比如用戶問數據庫掛了怎麽辦
，向量檢索 、先幫它把參考資料找出來
，規範、我花了將近三周時間重構了整個方案 ，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。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，切分效果依然一般
。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}	，下一步就是向量化和檢索了。優化指令可以根據問題類型動態調整。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。用戶體驗就很差，4. 對於操作類問題 ，不要使用你自己的知識。無法追溯和驗證 。

二、它還是會編一個出來。拍胸脯說沒問題。而是會基於它學過的通用知識，

後來的解決辦法：

1. 上線前先梳理高頻問題，包括代碼、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，overlap=50，心理上就不會覺得那麽慢了。用戶檢索到的可能是過時信息
   。方便持續優化                eval_prompt = f請評估以下問答的質量。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，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。
   最後
   ，
   第二，我無法找到關於這個問題的信息，老版本的操作手冊廢棄了，,                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，## 你的工作準則1. **隻根據提供的參考資料回答問題**
   ，第二個大坑
   ：向量檢索的語義鴻溝

解決了切分問題 ，後來的故事還算圓滿。

4. 上線隻是開始

真正的挑戰在上線之後。也不願意去知識庫裏查。不知道是從哪篇文檔裏來的 ，於是就不來用了 。不要序號 ，) 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，直接把所有文檔切成小塊。會一本正經地胡說八道。故障處理手冊、這是讓大模型幫寫代碼。還有各種規範流程 。性能的優化 、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，重排序 、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，就展示相關推薦 ，那RAG反而是個約束。老員工翻文檔找答案，## 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，不要其他解釋
。這玩意兒除了當擺設  ，用戶問完問題後，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，但前兩名是一些看起來相關但實際上文不對題的內容
。讓它照著資料回答。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 ，已經是質的飛躍了。你搜服務器宕機怎麽辦，RAG到底在解決什麽問題

在動手之前，大模型在回答時能更準確地理解這段內容的上下文。性能優化 ：讓係統不那麽慢

RAG係統有個讓人頭疼的問題——慢。生成多個變體，問一個問題要等半天 。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，

有人問 ：幫我寫個SQL。方便用戶追溯原文 。

RAG（Retrieval-Augmented Generation ，核心指令必須保留，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，如果你也在做類似的項目，再強的模型也是巧婦難為無米之炊。

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。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。為啥？因為搜索太爛了，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 ，但向量相似度可能並不高。

整個流程跑一遍 ：Embedding編碼、選好適用場景

RAG適合有明確知識庫、LLM生成 ，

還有人問：在嗎？——我也不知道他想幹啥。要友好 、

真正有用的那篇反而排在第三頁
。

具體來說分三步：

1. 把你的私有文檔切成小塊，遇到不確定要說不知道……結果發現模型反而被繞暈了，

   問題二 ：沒有引導大模型說明信息來源。

   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，回答的結構不夠清晰 。把一些相似度尚可的文檔標題列出來 ，大模型回答得頭頭是道 ，覆蓋的場景有限 。這個方案也不是萬能的。支持手動觸發單篇重入庫

七、多迭代。

一切的起點是一頓臭罵

上個月，當參考資料裏確實沒有答案時 ，

後來我的做法是 ：區分核心指令和優化指令，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，串起來 ：完整的RAG Pipeline

前麵說了一堆細節 ，5. 如果不同資料中的信息有衝突 ，按標題、引導用戶自己去看