RAG前端链路

RAG用来做知识库、文档助手

• RAG 本质上是“检索增强生成”，通常用于构建企业知识库、文档问答助手、智能客服等能力

• RAG 的核心优势在于：先从知识库中检索相关内容，再基于检索结果生成答案，因此结果更贴近企业私域知识

• 前端在 RAG 中负责：文件预处理（格式校验、文本提取）→ 切片策略配置（chunk size/overlap 可视化）→ 异步向量化进度展示（WebSocket/长轮询）→ 引用溯源展示（点击跳转原文高亮）。

RAG 前端链路：

• 用户上传文档 （知识接入）

• 文档预处理 （清洗、抽取与结构化）

• 配置切片策略

• 服务端向量化

• 进度展示

• AI对话

• 引用溯源

切片策略理解

切片策略”可以理解成：把一整篇文档，按一定规则拆成很多小段，再拿这些小段去做检索和问答。

• 因为 RAG 不是把整本手册、整篇 PDF 一次性全塞给模型，而是先从知识库里找出最相关的几段内容，再让模型基于这些内容回答。所以先把文档拆开，是 RAG 里很关键的一步

切片是 RAG 效果的关键环节，前端适合提供“参数化 + 可视化”的能力，让用户理解不同策略的差异。

什么叫切片

比如一篇文档有 50 页，不会直接作为一个整体存进去，而是会拆成很多段：

• 第 1 段：产品介绍
• 第 2 段：安装方式
• 第 3 段：账号权限说明
• 第 4 段：错误码处理
• 第 5 段：常见问题

这里每一段，就可以叫一个 chunk，中文一般叫“切片”或“分块”。

为什么需要切片

• 整篇文档太大，没法直接精准检索
• 提高检索精度
• 控制上下文长度和成本
  • 模型每次能读取的上下文是有限的。
  • 如果把太长的内容都塞进去，会浪费 token、增加成本

常见前端配置项包括：

• chunk size
• overlap
• 按段落切片
• 按标题层级切片
• 按语义切片
• 是否保留上下文标题
• 是否合并短段落
• 是否对表格、代码块单独切片

前端还可以补充可视化能力：

• 切片结果预览
• 不同策略下 chunk 数量估算
• 预计向量化耗时提示
• 检索粒度说明