⌘ K
工单支持应用与运维实践更新于 2026-06-28 · 阅读约 28 分钟
构建企业 RAG 应用
从数据治理、切分、向量化、检索、重排到生成和评测，搭建可审计知识问答。
先理解这项功能
企业 RAG 把内部知识转化为可检索证据，再由模型基于证据生成回答。可用系统必须同时解决数据授权、权限过滤、切分、召回、重排、引用、无答案拒答和持续评测。
本文面向负责人工智能应用设计、开发、上线、成本、安全和持续运营的工程与治理团队。完成本文后，你应当能够独立完成配置、验证结果，并知道出现异常时应该保留哪些信息。
云资源和模型能力会随区域、库存、模型版本及账号权限变化。页面显示的可用规格、价格、配额和状态是本次操作的直接依据；文档用于解释操作逻辑和风险边界。
完成后你将获得
- 形成可复现的技术实施路径
- 建立质量、成本、安全和恢复基线
- 知道从实验进入生产前必须补齐的控制
权限过滤应发生在召回与生成之前，并贯穿日志和反馈。
开始前的准备
先完成以下准备，再进入控制台操作。对生产环境而言，准备阶段还应明确资源负责人、费用归属、数据级别和回滚方式。
- 明确业务目标、用户范围、数据级别和成功指标
- 建立开发、测试与生产隔离的项目、资源和密钥
- 准备合法获得并经过脱敏的数据和可版本化的代码
- 指定技术负责人、数据负责人、安全负责人和费用负责人
完整操作步骤
按照下面的顺序执行。每完成一步都应检查页面反馈，不要在状态仍为“处理中”时连续提交相同操作。涉及删除、重装、退款、密钥禁用等不可逆动作时，应再次核对资源名称和影响范围。
1. 定义问题与边界
列出目标用户、知识范围、更新频率、不可回答内容和质量指标。不要把“接入全部文档”作为未经验证的目标。
2. 治理数据
确认来源和授权，移除重复与过期内容，保留文档所有者、权限、版本和删除标识。
3. 切分和向量化
按标题、段落和语义切分，保留上下文；选择向量模型并固定维度、预处理和索引版本。
4. 召回与重排
先按用户身份过滤可见文档，再进行向量或混合召回，使用重排模型优化有限候选。
5. 生成有证据回答
提示模型仅依据提供的证据回答，输出来源引用；证据不足时明确拒答或引导人工处理。
6. 建立评测
覆盖正确答案、无答案、权限隔离、冲突文档、提示注入和长尾问题，分别评估检索与生成。
7. 上线与反馈
记录脱敏查询、检索文档 ID、模型、引用和反馈，建立知识更新、纠错和删除闭环。
常见问题与排查
排查时先确认影响对象、开始时间和最近一次变更，再区分是浏览器、账号权限、平台资源、网络还是应用自身问题。提交工单时，请附上资源 ID、请求 ID、发生时间、错误信息和已经执行过的排查步骤；不要提交密码、完整密钥或身份证件原图。
离线效果好但线上不稳定
比较线上输入分布、上下文长度、并发、超时和模型版本，建立可复现样本再调整。
成本快速增长
按资源、模型、密钥和请求拆解，检查闲置 GPU、长上下文、大输出、重复任务和重试风暴。
变更后无法回退
停止继续修改，保留现场。使用上一个环境、模型、提示和数据版本恢复，并补齐变更审批和自动验证。
完成检查清单
离开页面前，逐项确认：
- 操作对象、所属项目和费用主体正确，页面状态与预期一致
- 关键数据已有独立副本，临时文件、公开端口和测试密钥已经清理
- 资源负责人、预算与通知接收人已经明确
- 必要的资源 ID、订单号或 Request ID 已记录，便于后续审计和支持
- 已阅读与本功能相关的专项协议，并理解计费、数据和违规处置规则
如结果与本文不一致，应停止继续扩大变更范围，通过页面右上角“工单支持”提交问题。