1. 从能查到会想增强版知识库到底增强了什么做过RAG知识库的人大概都有过这种体验搭一个能跑通的原型只要一个下午但真丢给业务方用问题就全冒出来了。用户问上季度华东区的退货政策调整对客诉率有什么影响基础版RAG检索回来的是一堆零散的制度条款模型拼拼凑凑给个不痛不痒的回答既没有跨文档的关联推理也说不清数据之间的因果链条。这就是我动手做这个增强版智能知识库的直接动机——不是再搭一个Demo而是把知识库从能查推到会想。这个项目的核心定位很明确以Agent为调度中枢以LangChain为编排骨架以RAG为检索底座在向量数据库之上叠加一层主动推理与多跳检索的能力。它解决的不是有没有知识的问题而是知识之间怎么连起来、怎么被Agent主动调用的问题。适合谁来参考如果你已经跑通过最基础的RAG流程能理解embedding、chunk、相似度检索这些概念但卡在检索质量上不去、回答深度不够、多轮对话就露馅这几个坎上那这篇内容基本就是为你写的。我先把结论摆前面增强版和基础版最大的区别不在于换了多强的模型而在于检索策略从单次向量召回变成了Agent驱动的多轮、多路、可反思的检索循环。基础版RAG是问一句、查一次、答一段增强版是问一句、Agent判断该查什么、查完看够不够、不够再换个角度查、最后综合推理再答。这个转变听起来简单但落地时涉及的工程细节非常多下面我按实际搭建顺序一层层拆。2. 增强版知识库的架构分层与数据流转2.1 四层架构为什么不能把所有逻辑塞进一个Chain我见过不少项目把检索、重排、生成全写在一个LangChain的Chain里跑起来是能跑但一旦要加多跳检索或者检索结果反思整个Chain就得推倒重写。所以这个项目我一开始就做了分层一共四层每层职责单一接入层负责接收用户query做意图识别和query改写。这一层不碰知识库只负责把人话翻译成适合检索的查询。调度层Agent核心这是增强版的灵魂。Agent根据query决定调用哪些工具——是走向量检索、走关键词检索、还是走图谱关联查询以及要不要发起第二轮检索。检索层向量数据库、全文索引、结构化数据源都在这一层各自独立通过统一接口暴露给调度层。生成层拿到足够上下文后做最终回答生成同时负责引用溯源和置信度标注。这么分的好处是每一层都能单独替换和压测。比如你后面想把向量库从一种换成另一种只动检索层就行Agent的调度逻辑完全不用改。这是我在踩过牵一发动全身的坑之后定下来的规矩。2.2 数据从入库到被Agent调用的完整链路很多人只关注检索这一步其实增强版知识库的质量七成取决于入库阶段。我把整条链路拆成五步原始文档解析PDF、Word、Markdown、网页存档统一转成纯文本同时保留结构信息标题层级、表格、列表。这里的关键是不要过早丢失结构因为后面分块和检索都要用到。语义分块不是按固定字数切而是按语义边界切。我用的策略是标题优先 段落兜底 最大长度限制保证每个chunk是一个相对完整的语义单元。元数据注入每个chunk打上来源、时间、文档类型、所属主题等标签。这些标签在增强版里极其重要因为Agent做多跳检索时经常需要按时间过滤或按来源限定。向量化与索引embedding模型生成向量写入向量数据库同时建立全文索引做混合检索。关系抽取增强版新增对chunk之间的引用、因果、时序关系做轻量抽取存成一张知识关系表。这是实现多跳检索的基础。提示第5步是增强版和基础版的分水岭。没有关系抽取Agent再聪明也只能在平铺的知识点里打转做不了A导致B、B影响C这种链式推理。2.3 一次完整问答里Agent到底做了哪些决策我用一个真实例子说明。用户问我们去年把客服响应SLA从24小时改成4小时这个改动对复购率的影响在华东和华南有区别吗基础版RAG会直接把这句话向量化去检索大概率召回一堆SLA制度和复购率报表然后生成一段泛泛的回答。增强版的Agent是这样走的第一步意图识别这是一个因果对比地域细分的复合问题需要多路检索。第二步query拆解拆成SLA改动、复购率变化、华东、华南四个检索意图。第三步第一轮检索分别召回SLA制度文档、复购率数据、区域运营报告。第四步反思发现复购率数据只有全国口径缺区域拆分触发第二轮检索换关键词华东复购、华南复购再查。第五步关系补全通过关系表找到SLA改动和复购率之间的中间变量比如客服满意度补一轮检索。第六步综合生成把多轮检索结果按逻辑组织输出带引用和置信度的回答。这一套下来检索次数从1次变成5到6次但回答质量是数量级的提升。代价是延迟和成本上升所以后面我会专门讲怎么控制。3. 向量数据库选型别被benchmark带偏3.1 选型的真实决策维度网上向量数据库的对比文章一抓一大把但大多在比每秒查询数和召回率这些指标在真实项目里往往不是决定性的。我实际选型时看的是这几个维度按优先级排维度为什么重要我的取舍混合检索支持纯向量检索对专有名词、编号类查询很弱必须有原生或易集成的全文检索元数据过滤性能Agent多跳检索大量依赖标签过滤过滤要能走索引不能全表扫运维复杂度小团队没精力维护重型集群优先单机可跑、可平滑扩展生态与LangChain集成集成成本直接影响开发速度官方或社区有成熟集成成本长期跑下来差别很大按数据量算总拥有成本我最后选的是一个支持混合检索、元数据过滤走索引、且能单机起步的方案。这里不点名具体产品因为选型高度依赖你的数据规模和团队情况但上面这套决策逻辑是通用的。3.2 一个容易被忽略的坑embedding维度和索引类型不匹配我踩过最典型的坑是换了embedding模型维度从768变成1024但索引还是按旧维度建的结果检索结果全是乱的而且不报错。这种问题最恶心因为它不崩只是悄悄给你错误答案。排查方法很简单入库时记录embedding维度检索前做一次维度校验。我现在在检索层加了一个断言维度不匹配直接抛异常宁可报错也不要错答。注意换embedding模型时必须全量重建索引不能只对新数据用新模型。混用不同模型的向量相似度计算毫无意义。3.3 向量库和全文索引怎么协同增强版里我用了向量召回 全文召回 融合重排的三段式。具体做法向量检索召回Top-K1比如20条擅长语义相近但用词不同的情况。全文检索召回Top-K2比如20条擅长精确匹配专有名词、编号、代码。用RRF倒数排名融合把两路结果合并再交给重排模型精排取Top-N比如5条给生成层。RRF的好处是不需要调权重对两路结果的分数尺度不敏感工程上很省心。实测下来混合检索比纯向量检索在专有名词类查询上的准确率提升非常明显这部分提升几乎不增加延迟。4. Agent调度逻辑让检索会反思4.1 为什么用Agent而不是固定Pipeline固定Pipeline的问题是它不会看情况。用户问一个简单事实它也要走完多跳检索全流程浪费算力用户问一个复杂因果问题它又只查一次就交差。Agent的价值在于根据问题难度动态决定检索深度。我的Agent调度逻辑大致是这样先做query复杂度评估简单问题走单轮检索复杂问题走多轮。评估不靠模型硬判而是用几个启发式信号query长度、是否含多个实体、是否含因果/对比词、是否涉及时间跨度。这些信号组合起来给一个复杂度分数超过阈值才启用多跳。4.2 多跳检索的终止条件设计多跳检索最大的风险是停不下来Agent一直觉得信息不够无限查下去。我设了三重终止条件信息增益阈值新一轮检索如果没带来新的有效chunk和已有上下文重复度高就停。最大轮次硬性限制最多3轮防止极端情况。置信度阈值如果当前上下文已经能支撑一个高置信度回答提前停。这三条里信息增益阈值最有用。实现方式是算新一轮chunk和已有上下文的语义重叠度重叠超过一定比例就判定为无增益。4.3 工具调用的边界Agent不该碰什么Agent能调工具很强大但也容易失控。我给它划了明确的边界Agent只能调用检索类工具不能直接执行写操作、不能调用外部API做副作用动作。所有工具调用都有超时和重试上限。工具返回结果必须结构化Agent不能拿到一堆自由文本自己瞎解析。这条边界是我在早期版本吃过亏之后加的。当时Agent能调用一个数据导出工具结果它在多跳检索时误触发了一次全量导出直接把数据库压垮了。现在所有有副作用的操作都不在Agent的工具列表里。5. 检索质量优化从召回得到到召回得准5.1 分块策略对检索质量的影响有多大我做过一组对比实验同一批文档三种分块策略分块策略平均chunk长度检索命中率回答完整度固定500字500基准基准按段落波动大提升约15%提升约10%语义分块标题优先300-800提升约30%提升约25%语义分块的优势在于每个chunk是完整意思不会出现答案被切一半的情况。代价是chunk长度不均需要向量库支持变长存储这基本都支持。5.2 重排模型值不值得上值。但要看场景。重排模型reranker的作用是把初步召回的粗排结果精排一遍它比向量相似度更能理解query和文档的真实相关性。我的实测数据是在混合检索基础上加重排Top-5的准确率还能再提升一截延迟增加在可接受范围内。但重排不是万能的。如果初步召回里根本没有正确文档重排也救不回来。所以重排是锦上添花召回才是雪中送炭。优化顺序永远是先优化召回再考虑重排。5.3 query改写把用户的话翻译成检索语言用户的问题往往不适合直接检索。比如那个新政策咋样了直接向量化检索效果很差。我在接入层做了query改写包括指代消解把那个、它还原成具体实体依赖对话历史。同义扩展把口语词扩展成书面词比如咋样扩展成内容、影响、评价。意图补全把模糊问题补成明确检索意图。改写用一个小模型就够了不需要上大模型成本和延迟都可控。这一步对多轮对话场景的提升尤其明显。6. 多模态与图片处理知识库能不能存图片6.1 图片进知识库的三种主流方案热词里有人问rag知识库能存储图片嘛答案是能但方式不同效果差别很大。主流有三种图片转文字OCR/描述把图片内容提取成文本再入库。优点是简单缺点是丢失视觉信息。多模态embedding用多模态模型把图片和文本映射到同一向量空间支持图文混合检索。效果好但模型和存储成本高。图片单独存储文本关联图片存对象存储向量库里只存图片的描述和链接检索命中后返回图片。这是工程上最实用的折中。我目前用的是第三种为主、第一种为辅。对于图表类图片OCR提取关键数据对于示意图用多模态模型生成描述文本入库。这样既控制了成本又保证了可检索性。6.2 图文混合检索的实际效果实测下来图文混合检索在找图类需求上很有价值比如找一下那张展示季度增长的柱状图。但如果用户问的是季度增长多少纯文本检索反而更直接。所以图片处理不是越多越好要看你的知识库是否真的有大量视觉依赖的内容。如果文档以文字为主图片处理可以放到二期再做。7. 并发与性能Agent扛并发的真实做法7.1 多跳检索的延迟从哪来增强版比基础版慢主要慢在多轮检索和重排上。一次多跳问答检索可能调用5到6次每次都有网络往返和计算。延迟构成大致是向量检索占大头重排次之Agent决策本身开销很小。优化思路是并行化。第一轮的多路检索向量、全文、图谱完全可以并行发起不用串行等。我用异步并发把第一轮检索的耗时压到了接近单路检索的水平。第二轮及以后的检索因为依赖第一轮结果只能串行但轮次有限总体可控。7.2 缓存策略哪些能缓存哪些不能能缓存embedding结果同一文本的向量是确定的、文档解析结果、重排模型对固定query-doc对的打分。不能缓存Agent的决策路径依赖上下文每次可能不同、最终生成结果除非query完全一致且上下文未变。我在检索层加了embedding缓存命中率很高因为很多query会重复或高度相似。这一层缓存直接把平均延迟降了一截。7.3 限流与降级Agent服务不能裸奔Agent服务必须有限流和降级。我的做法是按用户维度限流防止单用户刷爆。当系统负载高时自动降级复杂问题从多跳降为单跳重排从精排降为粗排。降级要有日志和告警不能悄悄降级让用户蒙在鼓里。这套机制在流量高峰时救过我好几次宁可回答质量暂时降一点也不能整个服务挂掉。8. 踩坑实录那些文档里不会写的教训8.1 检索结果看起来对但实际错最隐蔽的坑是检索召回了语义相近但事实错误的文档。比如问某产品的保修期召回了一篇讲某产品退换货政策的文档语义相似度很高但答非所问。这种问题靠相似度阈值很难过滤。我的解法是引入元数据强约束。检索时除了向量相似度还要求文档类型匹配问政策就限定政策类文档。这一条约束过滤掉了大量语义相近但类型不符的噪声。8.2 多跳检索把简单问题复杂化早期版本Agent过于勤奋简单问题也走多跳结果不仅慢还因为引入了无关上下文导致回答跑偏。后来我加了复杂度评估简单问题强制单跳问题才稳定下来。教训是Agent的能力要用在刀刃上不是所有问题都值得多跳。8.3 上下文窗口塞太满反而降质我一度以为给生成层塞越多检索结果越好结果发现塞太多无关内容模型反而抓不住重点。后来改成精排后只取Top-5且总长度不超过上下文窗口的60%回答质量明显回升。检索结果的质量远比数量重要。8.4 关系抽取过度导致噪声关系抽取是增强版的亮点但我一开始抽得太激进把很多弱相关的关系也存了进去结果多跳检索时被这些噪声关系带偏。后来我加了关系置信度阈值只保留高置信度的关系多跳的准确率才上来。关系表宁缺毋滥。9. 从原型到可用我的迭代节奏建议如果你准备动手做增强版知识库我的建议是分四步走别想着一口吃成胖子。第一步先把基础RAG跑通确保入库、检索、生成这条链路没问题。这一步不要碰Agent用最简单的Chain就行。第二步加混合检索和重排把召回质量提上来。这一步的收益最直接投入产出比最高。第三步引入Agent调度先只做复杂度评估单跳/多跳切换别急着上复杂工具。第四步加关系抽取和多跳检索同时把缓存、限流、降级这些工程保障补齐。每一步都要有评测。我用的评测集是自己标注的几百条问答对覆盖事实查询、因果推理、对比分析几类。没有评测集你根本不知道改动是变好还是变坏。这个评测集的建设比任何单个技术选型都重要。最后分享一个我自己的体会增强版知识库的难点从来不在用哪个模型而在怎么组织检索流程和怎么控制工程复杂度。模型会不断更新但一套清晰的架构分层和调度逻辑能让你在换模型时几乎无痛。我现在的系统换过两次embedding模型、一次重排模型因为分层清晰每次迁移都在一天内完成。这才是增强版真正的价值——不是某个点的强而是整体的可演进。
1. 从能查到会想增强版知识库到底增强了什么做过RAG知识库的人大概都有过这种体验搭一个能跑通的原型只要一个下午但真丢给业务方用问题就全冒出来了。用户问上季度华东区的退货政策调整对客诉率有什么影响基础版RAG检索回来的是一堆零散的制度条款模型拼拼凑凑给个不痛不痒的回答既没有跨文档的关联推理也说不清数据之间的因果链条。这就是我动手做这个增强版智能知识库的直接动机——不是再搭一个Demo而是把知识库从能查推到会想。这个项目的核心定位很明确以Agent为调度中枢以LangChain为编排骨架以RAG为检索底座在向量数据库之上叠加一层主动推理与多跳检索的能力。它解决的不是有没有知识的问题而是知识之间怎么连起来、怎么被Agent主动调用的问题。适合谁来参考如果你已经跑通过最基础的RAG流程能理解embedding、chunk、相似度检索这些概念但卡在检索质量上不去、回答深度不够、多轮对话就露馅这几个坎上那这篇内容基本就是为你写的。我先把结论摆前面增强版和基础版最大的区别不在于换了多强的模型而在于检索策略从单次向量召回变成了Agent驱动的多轮、多路、可反思的检索循环。基础版RAG是问一句、查一次、答一段增强版是问一句、Agent判断该查什么、查完看够不够、不够再换个角度查、最后综合推理再答。这个转变听起来简单但落地时涉及的工程细节非常多下面我按实际搭建顺序一层层拆。2. 增强版知识库的架构分层与数据流转2.1 四层架构为什么不能把所有逻辑塞进一个Chain我见过不少项目把检索、重排、生成全写在一个LangChain的Chain里跑起来是能跑但一旦要加多跳检索或者检索结果反思整个Chain就得推倒重写。所以这个项目我一开始就做了分层一共四层每层职责单一接入层负责接收用户query做意图识别和query改写。这一层不碰知识库只负责把人话翻译成适合检索的查询。调度层Agent核心这是增强版的灵魂。Agent根据query决定调用哪些工具——是走向量检索、走关键词检索、还是走图谱关联查询以及要不要发起第二轮检索。检索层向量数据库、全文索引、结构化数据源都在这一层各自独立通过统一接口暴露给调度层。生成层拿到足够上下文后做最终回答生成同时负责引用溯源和置信度标注。这么分的好处是每一层都能单独替换和压测。比如你后面想把向量库从一种换成另一种只动检索层就行Agent的调度逻辑完全不用改。这是我在踩过牵一发动全身的坑之后定下来的规矩。2.2 数据从入库到被Agent调用的完整链路很多人只关注检索这一步其实增强版知识库的质量七成取决于入库阶段。我把整条链路拆成五步原始文档解析PDF、Word、Markdown、网页存档统一转成纯文本同时保留结构信息标题层级、表格、列表。这里的关键是不要过早丢失结构因为后面分块和检索都要用到。语义分块不是按固定字数切而是按语义边界切。我用的策略是标题优先 段落兜底 最大长度限制保证每个chunk是一个相对完整的语义单元。元数据注入每个chunk打上来源、时间、文档类型、所属主题等标签。这些标签在增强版里极其重要因为Agent做多跳检索时经常需要按时间过滤或按来源限定。向量化与索引embedding模型生成向量写入向量数据库同时建立全文索引做混合检索。关系抽取增强版新增对chunk之间的引用、因果、时序关系做轻量抽取存成一张知识关系表。这是实现多跳检索的基础。提示第5步是增强版和基础版的分水岭。没有关系抽取Agent再聪明也只能在平铺的知识点里打转做不了A导致B、B影响C这种链式推理。2.3 一次完整问答里Agent到底做了哪些决策我用一个真实例子说明。用户问我们去年把客服响应SLA从24小时改成4小时这个改动对复购率的影响在华东和华南有区别吗基础版RAG会直接把这句话向量化去检索大概率召回一堆SLA制度和复购率报表然后生成一段泛泛的回答。增强版的Agent是这样走的第一步意图识别这是一个因果对比地域细分的复合问题需要多路检索。第二步query拆解拆成SLA改动、复购率变化、华东、华南四个检索意图。第三步第一轮检索分别召回SLA制度文档、复购率数据、区域运营报告。第四步反思发现复购率数据只有全国口径缺区域拆分触发第二轮检索换关键词华东复购、华南复购再查。第五步关系补全通过关系表找到SLA改动和复购率之间的中间变量比如客服满意度补一轮检索。第六步综合生成把多轮检索结果按逻辑组织输出带引用和置信度的回答。这一套下来检索次数从1次变成5到6次但回答质量是数量级的提升。代价是延迟和成本上升所以后面我会专门讲怎么控制。3. 向量数据库选型别被benchmark带偏3.1 选型的真实决策维度网上向量数据库的对比文章一抓一大把但大多在比每秒查询数和召回率这些指标在真实项目里往往不是决定性的。我实际选型时看的是这几个维度按优先级排维度为什么重要我的取舍混合检索支持纯向量检索对专有名词、编号类查询很弱必须有原生或易集成的全文检索元数据过滤性能Agent多跳检索大量依赖标签过滤过滤要能走索引不能全表扫运维复杂度小团队没精力维护重型集群优先单机可跑、可平滑扩展生态与LangChain集成集成成本直接影响开发速度官方或社区有成熟集成成本长期跑下来差别很大按数据量算总拥有成本我最后选的是一个支持混合检索、元数据过滤走索引、且能单机起步的方案。这里不点名具体产品因为选型高度依赖你的数据规模和团队情况但上面这套决策逻辑是通用的。3.2 一个容易被忽略的坑embedding维度和索引类型不匹配我踩过最典型的坑是换了embedding模型维度从768变成1024但索引还是按旧维度建的结果检索结果全是乱的而且不报错。这种问题最恶心因为它不崩只是悄悄给你错误答案。排查方法很简单入库时记录embedding维度检索前做一次维度校验。我现在在检索层加了一个断言维度不匹配直接抛异常宁可报错也不要错答。注意换embedding模型时必须全量重建索引不能只对新数据用新模型。混用不同模型的向量相似度计算毫无意义。3.3 向量库和全文索引怎么协同增强版里我用了向量召回 全文召回 融合重排的三段式。具体做法向量检索召回Top-K1比如20条擅长语义相近但用词不同的情况。全文检索召回Top-K2比如20条擅长精确匹配专有名词、编号、代码。用RRF倒数排名融合把两路结果合并再交给重排模型精排取Top-N比如5条给生成层。RRF的好处是不需要调权重对两路结果的分数尺度不敏感工程上很省心。实测下来混合检索比纯向量检索在专有名词类查询上的准确率提升非常明显这部分提升几乎不增加延迟。4. Agent调度逻辑让检索会反思4.1 为什么用Agent而不是固定Pipeline固定Pipeline的问题是它不会看情况。用户问一个简单事实它也要走完多跳检索全流程浪费算力用户问一个复杂因果问题它又只查一次就交差。Agent的价值在于根据问题难度动态决定检索深度。我的Agent调度逻辑大致是这样先做query复杂度评估简单问题走单轮检索复杂问题走多轮。评估不靠模型硬判而是用几个启发式信号query长度、是否含多个实体、是否含因果/对比词、是否涉及时间跨度。这些信号组合起来给一个复杂度分数超过阈值才启用多跳。4.2 多跳检索的终止条件设计多跳检索最大的风险是停不下来Agent一直觉得信息不够无限查下去。我设了三重终止条件信息增益阈值新一轮检索如果没带来新的有效chunk和已有上下文重复度高就停。最大轮次硬性限制最多3轮防止极端情况。置信度阈值如果当前上下文已经能支撑一个高置信度回答提前停。这三条里信息增益阈值最有用。实现方式是算新一轮chunk和已有上下文的语义重叠度重叠超过一定比例就判定为无增益。4.3 工具调用的边界Agent不该碰什么Agent能调工具很强大但也容易失控。我给它划了明确的边界Agent只能调用检索类工具不能直接执行写操作、不能调用外部API做副作用动作。所有工具调用都有超时和重试上限。工具返回结果必须结构化Agent不能拿到一堆自由文本自己瞎解析。这条边界是我在早期版本吃过亏之后加的。当时Agent能调用一个数据导出工具结果它在多跳检索时误触发了一次全量导出直接把数据库压垮了。现在所有有副作用的操作都不在Agent的工具列表里。5. 检索质量优化从召回得到到召回得准5.1 分块策略对检索质量的影响有多大我做过一组对比实验同一批文档三种分块策略分块策略平均chunk长度检索命中率回答完整度固定500字500基准基准按段落波动大提升约15%提升约10%语义分块标题优先300-800提升约30%提升约25%语义分块的优势在于每个chunk是完整意思不会出现答案被切一半的情况。代价是chunk长度不均需要向量库支持变长存储这基本都支持。5.2 重排模型值不值得上值。但要看场景。重排模型reranker的作用是把初步召回的粗排结果精排一遍它比向量相似度更能理解query和文档的真实相关性。我的实测数据是在混合检索基础上加重排Top-5的准确率还能再提升一截延迟增加在可接受范围内。但重排不是万能的。如果初步召回里根本没有正确文档重排也救不回来。所以重排是锦上添花召回才是雪中送炭。优化顺序永远是先优化召回再考虑重排。5.3 query改写把用户的话翻译成检索语言用户的问题往往不适合直接检索。比如那个新政策咋样了直接向量化检索效果很差。我在接入层做了query改写包括指代消解把那个、它还原成具体实体依赖对话历史。同义扩展把口语词扩展成书面词比如咋样扩展成内容、影响、评价。意图补全把模糊问题补成明确检索意图。改写用一个小模型就够了不需要上大模型成本和延迟都可控。这一步对多轮对话场景的提升尤其明显。6. 多模态与图片处理知识库能不能存图片6.1 图片进知识库的三种主流方案热词里有人问rag知识库能存储图片嘛答案是能但方式不同效果差别很大。主流有三种图片转文字OCR/描述把图片内容提取成文本再入库。优点是简单缺点是丢失视觉信息。多模态embedding用多模态模型把图片和文本映射到同一向量空间支持图文混合检索。效果好但模型和存储成本高。图片单独存储文本关联图片存对象存储向量库里只存图片的描述和链接检索命中后返回图片。这是工程上最实用的折中。我目前用的是第三种为主、第一种为辅。对于图表类图片OCR提取关键数据对于示意图用多模态模型生成描述文本入库。这样既控制了成本又保证了可检索性。6.2 图文混合检索的实际效果实测下来图文混合检索在找图类需求上很有价值比如找一下那张展示季度增长的柱状图。但如果用户问的是季度增长多少纯文本检索反而更直接。所以图片处理不是越多越好要看你的知识库是否真的有大量视觉依赖的内容。如果文档以文字为主图片处理可以放到二期再做。7. 并发与性能Agent扛并发的真实做法7.1 多跳检索的延迟从哪来增强版比基础版慢主要慢在多轮检索和重排上。一次多跳问答检索可能调用5到6次每次都有网络往返和计算。延迟构成大致是向量检索占大头重排次之Agent决策本身开销很小。优化思路是并行化。第一轮的多路检索向量、全文、图谱完全可以并行发起不用串行等。我用异步并发把第一轮检索的耗时压到了接近单路检索的水平。第二轮及以后的检索因为依赖第一轮结果只能串行但轮次有限总体可控。7.2 缓存策略哪些能缓存哪些不能能缓存embedding结果同一文本的向量是确定的、文档解析结果、重排模型对固定query-doc对的打分。不能缓存Agent的决策路径依赖上下文每次可能不同、最终生成结果除非query完全一致且上下文未变。我在检索层加了embedding缓存命中率很高因为很多query会重复或高度相似。这一层缓存直接把平均延迟降了一截。7.3 限流与降级Agent服务不能裸奔Agent服务必须有限流和降级。我的做法是按用户维度限流防止单用户刷爆。当系统负载高时自动降级复杂问题从多跳降为单跳重排从精排降为粗排。降级要有日志和告警不能悄悄降级让用户蒙在鼓里。这套机制在流量高峰时救过我好几次宁可回答质量暂时降一点也不能整个服务挂掉。8. 踩坑实录那些文档里不会写的教训8.1 检索结果看起来对但实际错最隐蔽的坑是检索召回了语义相近但事实错误的文档。比如问某产品的保修期召回了一篇讲某产品退换货政策的文档语义相似度很高但答非所问。这种问题靠相似度阈值很难过滤。我的解法是引入元数据强约束。检索时除了向量相似度还要求文档类型匹配问政策就限定政策类文档。这一条约束过滤掉了大量语义相近但类型不符的噪声。8.2 多跳检索把简单问题复杂化早期版本Agent过于勤奋简单问题也走多跳结果不仅慢还因为引入了无关上下文导致回答跑偏。后来我加了复杂度评估简单问题强制单跳问题才稳定下来。教训是Agent的能力要用在刀刃上不是所有问题都值得多跳。8.3 上下文窗口塞太满反而降质我一度以为给生成层塞越多检索结果越好结果发现塞太多无关内容模型反而抓不住重点。后来改成精排后只取Top-5且总长度不超过上下文窗口的60%回答质量明显回升。检索结果的质量远比数量重要。8.4 关系抽取过度导致噪声关系抽取是增强版的亮点但我一开始抽得太激进把很多弱相关的关系也存了进去结果多跳检索时被这些噪声关系带偏。后来我加了关系置信度阈值只保留高置信度的关系多跳的准确率才上来。关系表宁缺毋滥。9. 从原型到可用我的迭代节奏建议如果你准备动手做增强版知识库我的建议是分四步走别想着一口吃成胖子。第一步先把基础RAG跑通确保入库、检索、生成这条链路没问题。这一步不要碰Agent用最简单的Chain就行。第二步加混合检索和重排把召回质量提上来。这一步的收益最直接投入产出比最高。第三步引入Agent调度先只做复杂度评估单跳/多跳切换别急着上复杂工具。第四步加关系抽取和多跳检索同时把缓存、限流、降级这些工程保障补齐。每一步都要有评测。我用的评测集是自己标注的几百条问答对覆盖事实查询、因果推理、对比分析几类。没有评测集你根本不知道改动是变好还是变坏。这个评测集的建设比任何单个技术选型都重要。最后分享一个我自己的体会增强版知识库的难点从来不在用哪个模型而在怎么组织检索流程和怎么控制工程复杂度。模型会不断更新但一套清晰的架构分层和调度逻辑能让你在换模型时几乎无痛。我现在的系统换过两次embedding模型、一次重排模型因为分层清晰每次迁移都在一天内完成。这才是增强版真正的价值——不是某个点的强而是整体的可演进。
