Milvus 迁移到 RAG先守住索引和评测口径把 Milvus 接入 RAG不是把文档写进去、能搜出几条就完事。切分策略、embedding 模型、字段过滤和索引参数共同决定候选生成模型看到的又只是候选中的一小部分。迁移时先守住这些口径后面才谈换模型或调索引。入库前固定数据契约为每份文档保留来源、版本、切分规则、权限字段和 embedding 版本。更新时明确是覆盖、追加还是删除旧分片避免同一段内容在索引里留下几代影子。向量字段之外的元数据要能支持租户和时间过滤。迁移先做离线双检索准备有预期答案或相关文档的查询集让旧链路和新链路同时检索。记录候选、过滤原因与最终上下文逐条看差异来自索引、数据还是提示词拼装。索引切换不要顺手把评测语料也换了否则结果没法比较。上线后保留索引版本和回退入口。检索为空、权限过滤后无结果、模型超时都要有明确回复。RAG 像织布线的来源、颜色和走向先对齐图案才不会越织越歪。
Milvus 迁移到 RAG先守住索引和评测口径把 Milvus 接入 RAG不是把文档写进去、能搜出几条就完事。切分策略、embedding 模型、字段过滤和索引参数共同决定候选生成模型看到的又只是候选中的一小部分。迁移时先守住这些口径后面才谈换模型或调索引。入库前固定数据契约为每份文档保留来源、版本、切分规则、权限字段和 embedding 版本。更新时明确是覆盖、追加还是删除旧分片避免同一段内容在索引里留下几代影子。向量字段之外的元数据要能支持租户和时间过滤。迁移先做离线双检索准备有预期答案或相关文档的查询集让旧链路和新链路同时检索。记录候选、过滤原因与最终上下文逐条看差异来自索引、数据还是提示词拼装。索引切换不要顺手把评测语料也换了否则结果没法比较。上线后保留索引版本和回退入口。检索为空、权限过滤后无结果、模型超时都要有明确回复。RAG 像织布线的来源、颜色和走向先对齐图案才不会越织越歪。
