Fri Jul 24 2026 08:00:00 GMT+0800 (China Standard Time)·2 min readAI Architecture吃透 AI Agent 开发
Context Engineering 与 Memory
从文档到可检索知识库的完整链路
RAG 的难点在数据清洗、切片、元数据、召回和评测，而不只是把文本向量化。
#RAG#Knowledge Base#Retrieval
一份文档要变成 Agent 能用的知识，需要经过解析、清洗、切片、Embedding、索引、召回、重排和引用回传。任何一环偷懒，都可能导致模型拿到过时、截断或不属于当前租户的内容。
数据链路
切片要保留标题、来源、版本、商品和租户等元数据；召回阶段可以结合向量和关键词；重排阶段再考虑任务相关性；最终把证据和来源一起交给模型，并允许回答“没有足够依据”。
项目落点
售前咨询将聊天清洗、商品知识和素材描述统一进入 RAG；数据中台负责脱敏、审核和多格式导出，确保同一份数据既能服务检索，也能服务微调和考核。
结论
RAG 是一条数据产品链路，不是给数据库加一个向量字段。