学完能做什么
你会搭建一条从文档入库、检索、重排到带引用回答的最小 RAG 链路，并为“没有证据”“材料冲突”和“权限不够”设计明确的处理方式。
RAG 不是把整库文档塞进提示词
RAG 的核心是：收到问题后，只取出少量相关且有权限的材料，与问题一起交给模型，并把来源带回答案。
离线：文档 → 解析 → 切分 → 元数据 → 向量/关键词索引
在线：问题 → 权限过滤 → 召回 → 重排 → 组装证据
↓
模型回答 → 引用与校验检索提高“找到依据”的机会，不保证模型一定正确。最终结果仍要经过引用、冲突和风险检查。
入库前先治理材料
知识库质量主要由原始材料决定。为每份文档保存：
- 稳定的文档 ID 和版本；
- 标题、作者、更新时间和生效状态；
- 业务范围、语言与文档类型；
- 权限标签和保密等级；
- 原始位置与内容哈希；
- 失效、替代或删除关系。
过期制度和现行制度同时出现时，没有版本元数据的检索很容易给出错误答案。
切分要保留语义和定位
不要只按固定字符数机械切。优先按标题、段落、列表和表格边界切分，再控制块大小和少量重叠。
每个片段至少包含：
{
"chunk_id": "policy-17#section-3#chunk-2",
"document_id": "policy-17",
"document_version": 5,
"heading_path": ["报销制度", "差旅", "住宿标准"],
"text": "……",
"source_url": "/docs/policy-17#section-3",
"acl": ["finance", "employees"],
"effective_at": "2026-07-01"
}片段离开原文后仍应知道自己属于哪一节、哪个版本，才能正确引用和删除。
混合检索比单一检索更稳
语义向量适合近义表达，关键词适合精确型号、错误码和专有名词。常见流程是：
- 对问题做必要的规范化，不改写关键实体；
- 先按用户身份和业务范围过滤；
- 并行进行关键词与向量召回；
- 合并去重后重排；
- 选择少量证据进入上下文；
- 对低相关结果直接返回“材料不足”。
权限过滤必须在返回文本给模型之前完成，不能先召回全部内容再让模型自己忽略。
为回答定义证据协议
可以要求模型返回结构化结果：
{
"answer": "……",
"claims": [
{
"text": "住宿上限为……",
"citations": ["policy-17#section-3#chunk-2"]
}
],
"conflicts": [],
"insufficient_evidence": false
}程序随后检查每个引用 ID 是否确实来自本轮证据、用户是否有权访问、引用片段是否支持对应结论。引用不存在时拒绝发布，而不是生成一个看起来像链接的字符串。
面对材料不足和冲突
没有足够证据
回答应说明缺少什么材料，并给出下一步，例如补充日期、项目编号或具体制度范围。不要用模型常识填补内部事实。
多份材料冲突
列出冲突来源、版本和生效时间。如果业务规则不能自动决定优先级，就交给材料负责人确认。
用户问题超出权限
不要暗示存在某份机密文档。只说明当前可用材料无法回答，并给出正式的权限申请或人工咨询路径。
最小在线流程伪代码
def answer_with_knowledge(question, actor):
filters = build_acl_filters(actor)
keyword_hits = keyword_index.search(question, filters=filters, top_k=20)
vector_hits = vector_index.search(question, filters=filters, top_k=20)
candidates = deduplicate(keyword_hits + vector_hits)
ranked = rerank(question, candidates)[:6]
if not evidence_is_sufficient(question, ranked):
return {"answer": None, "reason": "insufficient_evidence"}
response = model_answer(question, evidence=ranked)
validate_citations(response, allowed_chunks=ranked, actor=actor)
return response生产实现还要加入超时、缓存、文档版本、日志、内容长度限制和提示注入防护。
评测不要只看“像不像答案”
建立一组经过人工确认的问题，分别衡量：
- 召回率：关键证据是否进入候选集；
- 排序质量：关键证据是否排在前面；
- 引用正确率：引用是否真正支持结论；
- 拒答准确率：没有材料时是否拒答；
- 权限隔离：不同身份是否只看到允许内容；
- 新鲜度：新版本发布后旧材料是否退出；
- 延迟和成本：链路能否满足业务预算。
检索实验
准备 10 份小文档，其中包含两个版本冲突、一个无权限文档和三个相近术语：
- 为文档补齐版本、权限和标题路径；
- 比较纯关键词、纯向量和混合检索；
- 记录关键证据在不同方案中的排名；
- 测试无证据、冲突和越权问题；
- 检查答案中的每个引用是否能打开并定位原文；
- 删除一个文档，确认索引和缓存同步失效。
完成检查清单
- 入库材料有版本、权限、生效状态和删除关系。
- 切分后仍保留标题路径与原文定位。
- 权限过滤发生在内容进入模型之前。
- 每条关键结论都能映射到真实证据。
- 无证据、材料冲突和越权都有明确结果。
- 评测覆盖检索、引用、拒答、权限和新鲜度。
下一步
下一篇会讨论什么时候使用固定工作流、单 Agent 或多 Agent，以及如何避免为了“看起来高级”而增加不必要的复杂度。