本文详细介绍了企业级RAG系统的构建要点，从文档预处理、召回和生成增强三个核心环节展开。文档预处理需统一格式、清洗内容并提取关键信息；召回阶段需优化用户问题、提取标签并进行去重排序；生成增强则需整理数据、压缩上下文并优化格式展示。各环节需根据业务场景灵活处理，才能构建高效的RAG系统。

---

“ 想做一个RAG项目很容易，但要想做好一个RAG系统却很难。”

最近手上的一个RAG聊天类项目也算接近了尾声，虽然从功能上来说项目已经完成了；但从质量上来看，其实离真正的完成还差了老大一截，原因就是做出来了，但没做好。

因此，今天我们就来基于这个项目做一个基本的项目总结，看看在一个企业级RAG系统中，到底存在哪些问题，以及应该怎么做。

企业级RAG

还是那句话，RAG从技术的角度来看主要是三个部分：

1. 文档预处理

2. 文档召回

3. 生成增强

所以，我们就从这三个角度来看一下在真正的企业级项目中应该怎么做。

文档预处理

文档预处理一直都是RAG系统中的一个技术难点，原因就在于无格式的复杂文档处理；典型的就是word，pdf这种图文表混合的文档，目前为止还没有一个很好的解决方案。

但技术的发展是一个线性的过程，并不能因为存在问题就不管了；因此，面对这种问题我们需要在贴合业务场景的前提下，尽量的把这些存在问题的影响降到最低。

在这里我们需要强调，也是需要注意的一件事；文档预处理之前一定要搞明白你的业务场景，不同的业务场景对文档处理的要求也不尽相同；比如说你是业务咨询类场景，这时你可能主要需要的是一些文字描述类文档；而如果你是技术咨询类场景，可能还需要大量的架构图，方案设计等。

前者我们可能只需要使用ocr技术或者直接把文档中的图片给丢掉即可；而后者可能需要使用多模态技术，把文档中的图 文 表给抠出来，然后进行混合检索和回答。

再说文档格式的问题，在真实的业务场景中，文档的来源很复杂包括线下文档word，pdf，excel，txt等常见文档，以及线上文档数据库，API等；数据格式也多种多样，因此需要有一个统一的文档格式来承载这些不同的文档数据，只有这样才能方便我们统一进行管理和预处理。

毕竟对于检索召回端来说，文档预处理属于前置流程，其对检索召回是无感的；所以，在文档预处理时只需要按照要求的文档格式进行处理，那么就可以完全做到文档处理和召回的分离，减少系统的耦合性。

比如作者在项目中就是把所有格式的文档都处理成markdown格式，这样就可以进行统一的管理和向量化。

当然这里文档转换成markdown格式，并不是直接把原文档简单转换成markdown即可；而是需要对原文档进行清洗，梳理，删除一些无用和不规范的内容，尽量让markdown文档变得紧凑，舍弃部门全而不精的内容。

并且，可以对处理之后的markdown文档进行总结提炼——summary，以及提取标签；这样在检索端就可以使用标量召回和相似度召回，提升召回率。

文档召回

在第一步文档处理过程中，我们在尽可能保证文档质量的前提下，第二步要关注的就是文档召回的方式问题了。

在文档召回过程中，我们首先需要对用户的问题进行处理；这里的处理包括问题的完善和优化，提出相似子问题，以及最后的兜底问题等。

原因主要在于，用户在提出问题时除非特别专业或了解相关内容；否则很多情况下，用户自己可能都不知道到底应该怎么提问题，以及问题中会存在语义不通顺，错别字等情况。所以，对问题进行改写优化，并从多个维度提出几个相似性问题，有助于提高召回率。

其次，可以根据用户的问题提取标签，这样就可以根据这些标签进行标量检索，这样能够大大提升准确率以及查询效率；毕竟简单的字符匹配相对应向量计算要快得多。

之后，通过多种方式召回数据之后，最后需要对召回的数据进行去重，排序等操作；把相似度最高的数据丢给大模型，而不是把召回的所有数据都丢给大模型。

生成增强

在完成数据召回之后，并不是说这些数据就直接丢给大模型，我们还需要对这些数据进行处理；否则会存在很多问题。

比如说，你最终召回的数据是一个文档列表，我们是否能够先把这个文档列表转换成一段完整的文档；而不是一段一段好像无关的文档列表。

其次，由于模型上下文窗口有限，特别是在多轮对话中，我们可能还需要对召回的文档进行提炼总结之后再丢给模型；以及对历史记录进行压缩；一是为了防止上下文超长导致内容丢失，二是上下文过长会导致模型处理质量下降。

最后，在一些业务场景中，可能还需要给用户展示参考文档，以及源文档；这时我们还需要处理好文档的格式，否则给用户看到一堆没有格式的乱七八糟的内容，也会影响用户体验。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）