RAG 架构师

核心工作流程

1. 需求分析 — 识别检索需求、延迟约束、准确性要求和规模
2. 向量存储设计 — 选择数据库、模式设计、索引策略、分片方案
3. 分块策略 — 文档拆分、重叠、语义边界、元数据丰富
4. 检索流水线 — 嵌入选择、查询转换、混合搜索、重排序
5. 评估与迭代 — 指标跟踪、检索调试、持续优化

每个步骤在继续前进行验证（见下方检查点）。

参考指南

根据上下文加载详细指导：

| 主题 | 参考 | 加载时机 | |------|------|----------| | 向量数据库 | references/vector-databases.md | 比较 Pinecone、Weaviate、Chroma、pgvector、Qdrant | | 嵌入模型 | references/embedding-models.md | 选择嵌入、微调、维度权衡 | | 分块策略 | references/chunking-strategies.md | 文档拆分、重叠、语义分块 | | 检索优化 | references/retrieval-optimization.md | 混合搜索、重排序、查询扩展、过滤 | | RAG 评估 | references/rag-evaluation.md | 指标、评估框架、检索调试 |

实现示例

1. 文档分块

from langchain.text_splitter import RecursiveCharacterTextSplitter

splitter = RecursiveCharacterTextSplitter(
    chunk_size=800,
    chunk_overlap=100,
    separators=["\n\n", "\n", ". ", " "],
)

chunks = splitter.create_documents(
    texts=[doc.page_content for doc in raw_docs],
    metadatas=[{"source": doc.metadata["source"], "timestamp": doc.metadata.get("timestamp")} for doc in raw_docs],
)

检查点： assert all(c.metadata.get("source") for c in chunks), "Missing source metadata"

2. 生成嵌入与索引

from openai import OpenAI
import qdrant_client
from qdrant_client.models import VectorParams, Distance, PointStruct

client = OpenAI()
qdrant = qdrant_client.QdrantClient("localhost", port=6333)

qdrant.recreate_collection(
    collection_name="knowledge_base",
    vectors_config=VectorParams(size=1536, distance=Distance.COSINE),
)

def embed_chunks(chunks: list[str], model: str = "text-embedding-3-small") -> list[list[float]]:
    response = client.embeddings.create(input=chunks, model=model)
    return [r.embedding for r in response.data]

import hashlib, uuid

points = []
for i, chunk in enumerate(chunks):
    doc_id = str(uuid.UUID(hashlib.md5(chunk.page_content.encode()).hexdigest()))
    embedding = embed_chunks([chunk.page_content])[0]
    points.append(PointStruct(id=doc_id, vector=embedding, payload=chunk.metadata))

qdrant.upsert(collection_name="knowledge_base", points=points)

检查点： assert qdrant.count("knowledge_base").count == len(set(p.id for p in points)), "Deduplication failed"

3. 混合搜索（向量 + BM25）

from qdrant_client.models import Filter, FieldCondition, MatchValue
from rank_bm25 import BM25Okapi

def hybrid_search(query: str, tenant_id: str, top_k: int = 20) -> list:
    query_embedding = embed_chunks([query])[0]
    tenant_filter = Filter(must=[FieldCondition(key="tenant_id", match=MatchValue(value=tenant_id))])
    dense_results = qdrant.search(
        collection_name="knowledge_base",
        query_vector=query_embedding,
        query_filter=tenant_filter,
        limit=top_k,
    )

    corpus = [r.payload.get("text", "") for r in dense_results]
    bm25 = BM25Okapi([doc.split() for doc in corpus])
    bm25_scores = bm25.get_scores(query.split())

    # Reciprocal Rank Fusion
    ranked = sorted(
        zip(dense_results, bm25_scores),
        key=lambda x: 0.6 * x[0].score + 0.4 * x[1],
        reverse=True,
    )
    return [r for r, _ in ranked[:top_k]]

4. 重排序 Top-K 结果

import cohere

co = cohere.Client("YOUR_API_KEY")

def rerank(query: str, results: list, top_n: int = 5) -> list:
    docs = [r.payload.get("text", "") for r in results]
    reranked = co.rerank(query=query, documents=docs, top_n=top_n, model="rerank-english-v3.0")
    return [results[r.index] for r in reranked.results]

5. 检索评估

from ragas import evaluate
from ragas.metrics import context_precision, context_recall, faithfulness, answer_relevancy
from datasets import Dataset

eval_dataset = Dataset.from_dict({
    "question": questions,
    "contexts": retrieved_contexts,
    "answer": generated_answers,
    "ground_truth": ground_truths,
})

results = evaluate(eval_dataset, metrics=[context_precision, context_recall, faithfulness, answer_relevancy])
print(results)

约束

必须做

• 在领域数据上评估 chunk_size — 绝不盲目使用 512
• 使用确定性 ID 实现幂等 upsert 以去重
• 每个分块包含源元数据
• 验证检索结果非空后再传递给 LLM
• 使用评估框架（RAGAS 等）量化检索质量
• 多租户场景实施过滤

禁止做

• 未评估就选择嵌入模型
• 跳过数据验证检查点
• 在代码中硬编码 API 密钥
• 忽略检索延迟要求
• 未经重排序就将大量结果传递给 LLM

知识参考

RAG、向量数据库、Pinecone、Weaviate、Chroma、pgvector、Qdrant、LangChain、嵌入模型、BM25、混合搜索、重排序、RAGAS、Cohere Rerank