生产级 RAG：从知识摄取到可溯源回答

生产级 RAG：从知识摄取到可溯源回答 由 Archify 生成的数据流图。 01 / 输入来源 02 / 向量化 03 / 检索 04 / 上下文与生成 05 / 前端呈现 知识文档 · 政策、手册、工单 · 01 / 输入来源 知识文档 政策、手册、工单 用户问题 · 自然语言查询 · 01 / 输入来源 用户问题 自然语言查询 Chunking + Embedding · 切块并生成文档向量 · 02 / 向量化 · offline Chunking + Embedding 切块并生成文档向量 offline Query Embedding · 生成问题向量 · 02 / 向量化 · online Query Embedding 生成问题向量 online Vector Index + Retrieval · 相似度检索与排序 · 03 / 检索 · top-k Vector Index + Retrieval 相似度检索与排序 top-k Context Assembly + LLM · 资料与问题共同进入模型 · 04 / 上下文与生成 Context Assembly + LLM 资料与问题共同进入模型 回答与引用来源 · 标题、片段、相关度、原文 · 05 / 前端呈现 · 可溯源 回答与引用来源 标题、片段、相关度、原文 可溯源 无来源 / 低置信度 · 明确提示或人工转接 · 05 / 前端呈现 · failure path 无来源 / 低置信度 明确提示或人工转接 failure path 原始文本 private knowledge 文档块与向量 indexed chunks 查询文本 user input 问题向量 similarity search top-k 资料 + 来源 grounding context 答案 + 引用 streaming response 空结果 / 阈值不足 fallback 图例 主要数据 策略 / PII 数据存储 数据流

两条链路

  • • 离线链路处理文档切块、向量化与索引
  • • 在线链路向量化问题、检索并组装上下文

可信呈现

  • • 引用必须能回到真实文档块
  • • 空结果不能伪装成有依据的回答