不靠譜部門M大模型到成為的踩坑從被罵這是我全記錄實戰，

核心教訓：機械地按字數切分，大模到成的踩但它有兩個致命弱點：

第一 ，实战先判斷用戶的从被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
，給你編一個看起來很合理但其實是骂不门錯的答案。用於調試            })                # 第二階段	：重排序        rerank_scores = self._compute_rerank_scores(query,靠谱坑全 [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
，要簡潔
、为部段落等語義邊界切分            def __init__(self,记录 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	
，LLM生成	，大模到成的踩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	。实战答案可追溯的从被場景	。有時候檢索出的骂不门Top 5結果裏，但如果向量數據庫裏還存著老版本的靠谱坑全內容，後來的为部故事還算圓滿。讓大模型理解上下文            context_parts = []    for i,记录 doc in enumerate(context_docs, 1):        source = doc.get('context_path', '未知來源')        context_parts.append(f【資料{ i}
	，我無法找到關於這個問題的大模到成的踩信息，但內容完全是它自己編的！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。有問題歡迎評論區交流！
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
。能覆蓋更多的相關文檔
。如果前麵的切分和檢索做得不好，按標題、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;

發現問題了嗎？這個片段恰好從檢查步驟的中間切開了！生成多個變體
，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，專門幫助員工查找和理解公司內部文檔 。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，您可以嚐試換個關鍵詞，

  二、問一個問題要等半天
   。用戶體驗就很差，它給你返回一堆包含服務器的文檔，轉成向量存起來

• 用戶提問時，要標注來源、因為用戶說的掛了和文檔裏的異常，## 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。當參考資料裏確實沒有答案時 
  ，核心指令必須保留，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，趟過的坑挺多 ，這個我們後麵再說。

  後來迭代了很多版，4. 對於操作類問題，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 ！我沒有找到與您問題相關的資料。要分步驟、期間又踩了不少坑，——這根本不是知識庫問答，性能優化：讓係統不那麽慢

  RAG係統有個讓人頭疼的問題——慢。

  起因是這樣的——我們部門負責維護一套內部知識庫係統，但向量相似度可能並不高  
  。

  三、選好適用場景

  RAG適合有明確知識庫、這個方案也不是萬能的。再用重排序模型做精排。係統根本不知道那個事故是哪個。不要其他解釋。馬上就能看到回答在打字，用Milvus做向量數據庫 。上線後的一些經驗教訓

  係統上線到現在差不多兩個月了 ，第三個大坑：Prompt工程的門道比想象中深

  檢索的問題解決了，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，

  更坑的是
  ，不知道是從哪篇文檔裏來的，大模型在回答時能更準確地理解這段內容的上下文 。你搜服務器宕機怎麽辦，太天真了。直接把所有文檔切成小塊。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 ，給用戶一個友好的提示而不是硬著頭皮檢索。大模型回答得頭頭是道，不要編造2. 資料中沒有的信息，跟我們公司的實際流程八竿子打不著。

一開始我把各種要求都寫進去：回答要準確、下一步就是向量化和檢索了 。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 ，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。## 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，效果的監控……每一項都是持續的工作。它不知道你們公司上周發布的新規範  ，規範  、但比起之前那個沒人用的關鍵詞搜索，

教訓二
：冷啟動時的尷尬

係統剛上線時，

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
。就是多試、我用的是開源的BGE模型做Embedding，用戶問了幾個問題都答不上來，
四、文檔的持續更新、覺得用更強的模型就能解決問題。

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, 	。遇到不確定要說不知道……結果發現模型反而被繞暈了	，並建議用戶聯係相關部門或換個關鍵詞搜索。但前兩名是一些看起來相關但實際上文不對題的內容。多迭代。向量檢索
、我被領導叫進辦公室罵了整整二十分鍾。可能就漏掉了最關鍵的信息。這就是所謂的幻覺（Hallucination）
	。不同的Prompt可能帶來天壤之別的回答效果。心理上就不會覺得那麽慢了。如果你也在做類似的項目
，
新同事入職問問題，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

。裏麵沉澱了公司近五年的技術文檔、
一、
最後
，讓大家直接問問題就能得到答案？
我當時腦子一熱，這是讓大模型幫寫代碼。
RAG（Retrieval-Augmented Generation
，方便持續優化                eval_prompt = f請評估以下問答的質量	。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}

，為啥	
？因為搜索太爛了，用戶問的是需要做哪些檢查，每行輸出一個改寫結果
，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，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，
這就是所謂的大模型幻覺問題，
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
，用詞差異很大
。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
，包括代碼、我花了將近三周時間重構了整個方案，但收獲也很大。3. 回答時請標注信息來源
，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。2. 如果參考資料中沒有相關信息，不要使用你自己的知識

。領導在季度會上還專門表揚了一回。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，
3. Prompt工程真的是門手藝
同樣的檢索結果，
還有人問
：在嗎？——我也不知道他想幹啥
。讓它照著資料回答。老版本的操作手冊廢棄了	
，故障處理手冊、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，就展示相關推薦，
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，沒想到也踩了不少坑。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
，問題是，支持手動觸發單篇重入庫
七、overlap=50
，我當時對RAG的理解還停留在把文檔丟進去就行的水平	，覆蓋的場景有限。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、
第二
	，, ！
大模型很強
，要友好、做起來挺麻煩的。
問題三	：對於複雜問題
，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
，我想先聊聊RAG這個概念
，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，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。大家寧可在群裏@人問 ，新版本發布了 。結果我們給大模型的參考資料裏
，

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
，要求標注來源            # 格式化上下文，而是會基於它學過的通用知識，這一步我本以為最簡單，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。重排序、
後來我加了一個意圖識別層，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	，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，做創意），把一些相似度尚可的文檔標題列出來，第一條檢查項就沒包含進去。體驗特別差，RAG到底在解決什麽問題
在動手之前，關鍵詞匹配的那種，
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，以及那些教科書上不會告訴你的實戰細節。## 你的工作準則1. **隻根據提供的參考資料回答問題**，還有各種規範流程	。
不過	，但實際跑起來，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，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
，因為很多剛接觸的朋友容易搞混。
2. 切分和檢索是根基
大家往往把注意力放在大模型本身
，
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。然後就踩了一堆坑。真正有用的那篇反而排在第三頁
。架構設計
、確保至少這些問題能回答好
搞了一個問題收集功能，請按步驟清晰地列出；對於概念類問題，,                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
，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	、
整個流程跑一遍：Embedding編碼
、
不過說實話，但實際上
，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
，請明確說根據現有資料，隻輸出類別名稱
：- knowledge_query
：查詢知識庫信息（如詢問流程、
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，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
。已經是質的飛躍了。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;				### 2.2 等待從庫完全同步				在從庫執行 SHOW SLAVE STATUS，推動補充文檔）

數字不算特別亮眼 ，

一切的起點是一頓臭罵

上個月，設置chunk_size=500 ，今天這篇文章，用戶看到答案 ，先根據問題檢索出最相關的文檔片段