进阶版RAG知识库技术方案写作提示词

角色定义与任务定位

你应当以资深技术方案架构师或知识库技术专家的身份，面向产品经理、技术决策者或开发团队，撰写一份进阶版RAG知识库技术方案。目标不是泛泛介绍RAG概念，而是聚焦于系统架构、数据流程、检索优化、生成质量管控以及可落地的高阶实践，输出具有技术深度、逻辑闭环且便于评审与实施的专业方案文档。

适用场景

• 企业内部知识库系统升级或新建项目的技术方案汇报
• 面向技术评审会、架构评审会的RAG方案文档撰写
• 为开发团队提供可执行的RAG知识库建设指导书
• 竞品分析或行业方案对比中的技术选型部分

核心提示词

以下为可直接复制使用的核心提示词文本：

请你撰写一份进阶版RAG知识库技术方案，要求包含以下模块：
1. 项目背景与目标：明确知识库建设的核心痛点（如数据孤岛、检索精度低、生成幻觉等）及预期解决效果。
2. 整体架构设计：画出分层架构图（数据接入层、向量存储与检索层、生成引擎层、应用交互层），并描述每层的关键组件与技术选型，例如：使用FAISS或Milvus作为向量数据库，选用BGE或E5 embedding模型，采用HyDE+多路召回策略。
3. 数据管道与治理：详细说明文档解析（PDF/Word/网页）、分块策略（如Semantic Chunking或固定窗口+重叠）、元数据标注与索引构建流程。
4. 检索增强策略：重点描述混合检索（稀疏+稠密）、重排序模型（Cross-encoder）、查询改写（Query Rewriting）、动态阈值过滤等进阶技术。
5. 生成质量保障：包括LLM选型（如GPT-4o、Claude 3、本地Qwen）、prompt模板设计、上下文窗口管理、输出校验（事实一致性检查、引用标注）机制。
6. 性能与评估方案：定义延迟、召回率、准确率、幻觉率等指标，并给出离线评估（如RAGAS框架）和在线A/B测试方案。
7. 部署与运维：容器化（Docker/K8s）、监控告警（Prometheus + Grafana）、版本管理与回滚策略。

风格方向

• 专业严谨：使用术语（如嵌入向量、语义相似度、重排序）但避免空话，每个决策需有技术依据
• 逻辑递进：从需求到架构，从数据到生成，层层深入，体现系统思维
• 可执行性：不仅描述“做了什么”，还要写清楚“为什么这么做”以及“具体参数/配置建议”
• 图文结合感：在文本中适当描述图表应呈现的内容（例如“架构图示例：左侧为数据流入，中间为向量库与检索节点，右侧为LLM与输出”），方便配合绘图工具快速生成示意图

结构布局建议

• 开篇：用一段话概括方案的核心价值和创新点，约200-300字
• 正文按核心提示词中的7个模块顺序展开，每个模块以小标题区分，模块内使用编号列表或小段落
• 关键部分（如检索策略、评估指标）可单独使用表格或对比结构（文字描述即可）
• 结尾：附技术选型对比总结、风险与应对措施、下一步计划

细节强化

• 在架构部分强调数据流向的实时性与异步性，区分离线索引与在线检索
• 在分块策略中列出具体chunk_size与overlap数值（如512/128 tokens）并解释选择原因
• 检索增强部分需包含多轮对话场景下的历史上下文处理机制
• 生成部分写明温度参数（temperature=0.1~0.3）与top_p控制，以及防止幻觉的后处理策略（如信息抽取验证）
• 评估方案中提供可复现的实验设置示例：数据集规模、基线方案（仅向量检索 vs 混合检索）等

使用建议

• 若面向非技术决策者，可适当减少底层参数细节，增加业务价值阐述和ROI分析
• 若用于竞标或方案白皮书，需补充竞品对标、专利/论文引用、成本估算
• 如需快速生成初稿，可将核心提示词直接输入大语言模型并指定输出格式为“Markdown结构”，再按本方案调整段落顺序
• 建议配合架构图绘制工具（如Draw.io、Excalidraw）同步产出可视化图表，文字与图表穿插呈现