进阶第 8 章：生产级 RAG

业务问题

客服 Agent 需要回答产品文档、订单、工单中的问题。前端要展示检索来源，不能让模型“看似知道但无法溯源”。

交互图解：生产级 RAG 数据链路 · 查看图解导读

核心原理

RAG 由多个生产阶段组成：

ingestion
-> chunking
-> embedding
-> indexing
-> retrieval
-> context assembly
-> generation

前端通常负责展示：

• 检索状态。
• 引用来源。
• 文档标题和片段。
• 来源可信度。
• 检索失败或空结果。

真实项目中的映射

客服 Agent 的 RAG 不只是“把文档塞进 prompt”。它需要：

• 用户问“如何退款”。
• 系统检索退款政策。
• 前端显示“依据：退款政策第 3 条”。
• 用户点击来源查看原文。
• 模型回答引用具体段落。

DeepSeek Harness 对应实现

DeepSeek Harness 中，RAG 可以表达为工具：

• 检索工具返回 tool/result。
• Agent Loop 把结果回传模型。
• 前端通过 tool result 渲染来源。

工具结果需要结构化、可回放，才能展示引用。

进一步阅读：

• docs/cookbook/adding-a-tool.md
• packages/web/

代码示例

interface RetrievedSource {
  id: string
  title: string
  snippet: string
  score: number
}

function SourceList({ sources }: { sources: RetrievedSource[] }) {
  return (
    <ul>
      {sources.map(source => (
        <li key={source.id}>
          <strong>{source.title}</strong>
          <p>{source.snippet}</p>
          <small>相关度：{source.score.toFixed(2)}</small>
        </li>
      ))}
    </ul>
  )
}

前端不负责实现向量检索，但要负责让来源可理解和可点击。

面试追问

问：RAG 和直接问模型有什么区别？

回答要点：

• 直接问依赖模型内部知识。
• RAG 先检索外部资料。
• RAG 可以引用来源。
• 私有知识需要 RAG。

问：检索结果为空怎么办？

回答要点：

• 不要把空结果当正常上下文。
• 告诉模型未找到资料。
• 前端展示“无来源”。
• 可提供人工转接。

问：如何评估 RAG 好坏？

回答要点：

• 答案是否准确。
• 引用是否真实。
• 检索是否覆盖。
• 延迟和成本是否可控。

实践任务

为一个客服知识库设计 RAG 前端状态：检索中、有来源、无来源、来源错误、需要人工。

验收标准

• 能描述 RAG 生产链路。
• 能设计来源展示。
• 能处理无来源和低置信度。