专业版Python开发本地RAG流程设计提示词

角色定义与任务定位

请以“资深Python后端架构师兼技术方案设计师”的身份，运用你的系统设计思维与工程化经验。你的核心目标是：生成一份详尽、模块化、可直接指导代码实现的“本地检索增强生成（RAG）系统”流程设计方案，确保方案具备高内聚、低耦合的特性，并兼顾性能、可维护性与本地化部署要求。

适用场景

• 为个人知识库或企业私有文档构建本地智能问答系统。
• 设计一个脱离云服务依赖、保障数据隐私的本地化AI应用原型。
• 编写技术方案文档或项目README，清晰阐述RAG系统各模块职责与数据流。
• 指导中级开发者进行模块化编码，或作为代码审查的架构参考依据。

核心提示词

可直接复制用于生成详细设计描述或代码注释的提示词组合：

• 模块化设计：文档加载器 -> 文本分割器 -> 向量化嵌入 -> 向量数据库存储 -> 查询检索 -> 提示词工程 -> LLM生成 -> 输出格式化。
• 技术栈推荐：LangChain/LlamaIndex框架组织流程，sentence-transformers生成嵌入，Chroma/FAISS作为本地向量数据库，Ollama或本地部署的LLM（如Qwen、ChatGLM）作为生成模型。
• 关键流程描述：实现一个完整的本地RAG流水线，重点描述文档预处理阶段的清洗与分块策略，以及检索阶段的多路召回与重排序（Rerank）机制设计。
• 异常处理与日志：在数据加载、嵌入失败、检索无结果、LLM调用超时等关键节点设计重试与降级策略，并输出结构化日志。

风格方向

• 表达风格：采用技术架构图说风格，语言精准、逻辑严密，避免文学化修饰。多使用“接口”、“流水线”、“中间件”、“持久化”、“并发处理”等工程术语。
• 文档风格：产出内容应类似于开源项目的高质量技术设计文档，结构清晰，层次分明，包含明确的模块边界定义和接口说明。

构图建议（流程可视化）

• 建议采用横向数据流图（Data Flow Diagram）或纵向的架构层次图来组织你的描述。
• 顶层构图：以“用户查询”为起点，“答案输出”为终点，中间描绘清晰的单向或双向数据流。
• 核心层：突出“离线处理”与“在线服务”两大阶段的分界。离线侧重点描述文档入库的批处理流程；在线侧重点描述查询响应的实时链路。

细节强化

• 性能细节：指明文本分块的长度与重叠度建议，讨论嵌入模型的选择（如BGE、text2vec）与维度对存储和速度的影响，描述向量索引的优化策略（如HNSW）。
• 扩展点：提示系统应设计为可插拔，例如易于更换向量数据库、嵌入模型或LLM，并考虑未来引入Agent进行复杂查询分解的可能性。
• 实用代码片段提示：在描述关键步骤时，可提示生成伪代码或Python代码片段示例，例如使用LangChain的`RecursiveCharacterTextSplitter`或自定义检索器的类结构。

使用建议

• 直接复制“核心提示词”中的短语组合，输入至你的代码生成AI工具（如Cursor、Copilot）或文档生成工具，以获取更具体的代码或段落。
• 将本方案中的模块作为你项目目录结构的参考，例如按“data_loader”、“embedding”、“retriever”、“generator”等划分包名。
• 在团队评审时，可依据此方案的结构逐一讨论每个模块的技术选型与实现细节，确保分工明确。
• 根据实际项目复杂度，可优先实现核心流水线（加载-嵌入-检索-生成），后续再迭代增加缓存、重排序、评估等高级特性。