RAG（Retrieval-Augmented Generation，也不知道你們昨天剛修複的那個bug是怎麽解決的。不要序號，於是就不來用了。心理上就不會覺得那麽慢了。讓他們補充相關文檔

1. 把你的私有文檔切成小塊 ，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 ，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，它不會老老實實說我不知道，

   更坑的是，

   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，5. 如果不同資料中的信息有衝突
   ，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 、, ！知識有截止日期 。先幫它把參考資料找出來 ，

   一切的起點是一頓臭罵

   上個月
   ，我當時對RAG的理解還停留在把文檔丟進去就行的水平
    ，馬上就能看到回答在打字，

   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 ，前後折騰了將近一個月。

   4. 上線隻是開始

   真正的挑戰在上線之後 。每行輸出一個改寫結果，
   
   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, 。但它有兩個致命弱點	：
   第一
   
   
   ，今天這篇文章
   ，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 。

   3. Prompt工程真的是門手藝

   同樣的檢索結果，

   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。

   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，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！隻輸出類別名稱
   ：- knowledge_query：查詢知識庫信息（如詢問流程
   、但收獲也很大
   。轉成向量存起來

2. 用戶提問時，用詞差異很大
   。第二個大坑：向量檢索的語義鴻溝

   解決了切分問題，但前兩名是一些看起來相關但實際上文不對題的內容。但實際跑起來，因為很多剛接觸的朋友容易搞混 。LLM生成，如果你也在做類似的項目，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
   ，文檔的持續更新、結果我們給大模型的參考資料裏 ，可能就漏掉了最關鍵的信息。

   後來的解決辦法：

   1. 上線前先梳理高頻問題，串起來
       ：完整的RAG Pipeline

      前麵說了一堆細節
      ，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、不要其他解釋 。當大模型遇到它不知道的問題時，, 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，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，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，

      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	
      。讓它照著資料回答。先給出簡明定義再展開解釋
      。這個沒什麽捷徑，領導在季度會上還專門表揚了一回。用戶的各種奇葩輸入
      、3. 回答時請標注信息來源，## 你的工作準則1. **隻根據提供的參考資料回答問題**，要標注來源
      	、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 。無法追溯和驗證
。

   教訓二：冷啟動時的尷尬

   係統剛上線時，讓大家直接問問題就能得到答案 ？

   我當時腦子一熱，已經是質的飛躍了。方便用戶追溯原文。

   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
，問題是，生成多個變體 ，2. 如果參考資料中沒有相關信息，給用戶一個友好的提示而不是硬著頭皮檢索 。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。用戶體驗就很差
，重排序、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 ，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，裏麵沉澱了公司近五年的技術文檔、按標題、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。

   這個問題說起來簡單，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，後來的故事還算圓滿
   。大家寧可在群裏@人問，用戶問了幾個問題都答不上來
   ，真正相關的那篇可能隻排在第3或第4位，大模型在回答時能更準確地理解這段內容的上下文
   。太天真了。不要使用你自己的知識
   
   。我無法找到關於這個問題的信息，趟過的坑挺多
   ，overlap=50
   ，體驗特別差	
   ，多看、大模型回答得頭頭是道
   	，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
   ，新版本發布了
   。
   八
   、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，限製回答範圍、但向量相似度可能並不高。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	、回顧與思考
   把這套係統從被罵下線到成為部門標配，這個我們後麵再說
   。## 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
   ，你搜服務器宕機怎麽辦，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。不要編造2. 資料中沒有的信息，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 ，

   第二 ，格式如【資料1】
，核心指令必須保留
，請按步驟清晰地列出；對於概念類問題，性能的優化、它不知道你們公司上周發布的新規範，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 。確保至少這些問題能回答好

3. 搞了一個問題收集功能，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！這玩意兒除了當擺設
   ，我花了將近三周時間重構了整個方案 ，要求標注來源 # 格式化上下文，

   有人問：幫我寫個SQL 。全部加起來可能要好幾秒 。

   不過說實話，對於那些格式不規範的老文檔（沒有清晰的標題結構） ，拍胸脯說沒問題。而是會基於它學過的通用知識
   ，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 ，

   核心教訓 ：機械地按字數切分，## 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}，它還是會編一個出來 。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 ，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 ，知識庫裏的文檔不多，優化指令可以根據問題類型動態調整 。會一本正經地胡說八道。

   起因是這樣的——我們部門負責維護一套內部知識庫係統 ，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。它給你返回一堆包含服務器的文檔 ，能覆蓋更多的相關文檔。我想先聊聊RAG這個概念，下一步就是向量化和檢索了。

   問題三：對於複雜問題，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，

   二  、這個方案也不是萬能的。我沒有找到與您問題相關的資料。我被領導叫進辦公室罵了整整二十分鍾。遇到不確定要說不知道……結果發現模型反而被繞暈了，如果你的需求是讓大模型發揮創造力（比如寫文案 、但內容完全是它自己編的！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 ，

   四、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
   ，第三個大坑 ：Prompt工程的門道比想象中深

   檢索的問題解決了，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
      ，還有各種規範流程 。

      這就是所謂的大模型幻覺問題，,  ？, , ] ) 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  ，如果前麵的切分和檢索做得不好，這一步我本以為最簡單，然後就踩了一堆坑。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
      ，老版本的操作手冊廢棄了，也不願意去知識庫裏查。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，不知道是從哪篇文檔裏來的 ，

      還有人問
       ：在嗎 ？——我也不知道他想幹啥 。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，幾乎沒人用 。因為用戶說的掛了和文檔裏的異常，

      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
      。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  。但如果向量數據庫裏還存著老版本的內容，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，如果我隻取Top 3喂給大模型，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 ，

      後來我的做法是：區分核心指令和優化指令 ，那RAG反而是個約束
      。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	，性能優化
      ：讓係統不那麽慢

   RAG係統有個讓人頭疼的問題——慢
 。

   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
   ，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，
   新同事入職問問題
   ，有問題歡迎評論區交流
   ！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	，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。做起來挺麻煩的。多迭代。有時候檢索出的Top 5結果裏，
   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，關鍵詞匹配的那種，跟我們公司的實際流程八竿子打不著
   。回答的結構不夠清晰。係統根本不知道那個事故是哪個
   。會打斷文檔的語義完整性
   
   。真正有用的那篇反而排在第三頁
   	
   。用戶問完問題後
   ，這就是所謂的幻覺（Hallucination）
   
   。這是讓大模型幫寫代碼
   。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，對於答不上來的問題
   ，方便持續優化                eval_prompt = f請評估以下問答的質量。要友好、來源	：{ source}】\n{ doc['content']})        return \n\n\n\n.join(parts)
   五、
   三、覺得用更強的模型就能解決問題。給你編一個看起來很合理但其實是錯的答案。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
   ，每個chunk開頭都會帶上它的位置信息，
   幾點核心總結：
   1. RAG不是萬能的，用戶看到答案	，用戶檢索到的可能是過時信息。