当前位置：首页 > news >正文

Spring AI与Milvus构建企业级RAG架构实战

news 2026/7/29 16:56:22

1. 项目概述：当RAG遇上企业级需求

去年在金融行业落地知识库项目时，我亲历了大模型"幻觉"带来的灾难——某次系统将"年化收益率3.5%"错误回答成"35%"，差点引发客户投诉。这正是我们选择Spring AI + Milvus技术栈的起点：需要兼具工程化落地能力和精准召回性能的解决方案。

RAG（Retrieval-Augmented Generation）架构通过将大模型与向量数据库结合，本质上是在生成环节前增加了知识校验层。当用户提问时：

问题向量化后进入Milvus检索
返回Top-K相关文档片段
将片段作为上下文喂给大模型
生成基于实际知识的回答

这种架构将模型幻觉率降低了70%以上（根据我们AB测试数据），特别适合金融、医疗等对准确性要求严苛的场景。而Spring AI作为Spring生态的AI统一接口，其模块化设计让不同组件（如Embedding模型、LLM等）可以像搭积木一样替换。

2. 技术栈深度解析

2.1 Spring AI的设计哲学

Spring AI 0.8.1版本最令人兴奋的特性是统一的AI抽象层。举个例子，切换Embedding模型只需修改配置：

spring: ai: embedding: provider: openai # 可替换为ollama/alibaba等 openai: api-key: ${OPENAI_KEY}

这种设计带来三个实战优势：

环境隔离：通过Bean管理避免资源泄漏
热切换：不同供应商API可运行时切换
监控集成：天然对接Spring Actuator

踩坑提示：当前版本对本地模型支持较弱，若使用Ollama等本地模型，需要手动配置RestTemplate的timeout参数。

2.2 Milvus的工程化优势

相比纯内存的FAISS，Milvus 2.3.x的分布式架构更适合企业场景。我们在压力测试中发现：

10亿向量下仍保持<100ms的检索延迟
动态扩容只需修改helm chart的replica值
支持混合查询（标量+向量）

安装时建议使用官方Operator：

helm install my-milvus milvus/milvus \ --set cluster.enabled=true \ --set metrics.enabled=true

2.3 RAG流程优化关键点

传统Naive RAG的痛点在于：

检索质量依赖粗粒度分块
无结果重排序
上下文窗口浪费

我们的解决方案：

动态分块：使用语义分割而非固定token数
HyDE扩展：让模型先生成假设答案再检索
重排序：用bge-reranker-base优化结果

// Spring AI中的HyDE实现示例 public String generateHypotheticalAnswer(String question) { PromptTemplate template = new PromptTemplate("请根据问题生成假设回答：{question}"); return aiClient.generate( template.create(Map.of("question", question)) ).getGeneration().getText(); }

3. 企业级实现全流程

3.1 知识库构建流水线

金融行业文档的特殊性在于：

PDF扫描件含表格/印章噪声
专业术语密集（如"LPR利率互换"）

我们的预处理流水线：

graph TD A[原始PDF] --> B[Apache PDFBox解析] B --> C{是否扫描件?} C -->|是| D[OpenCV去噪] C -->|否| E[直接提取文本] D --> F[Tesseract OCR] E --> G[专业术语标准化] F --> G G --> H[动态分块]

关键技巧：使用正则表达式捕获金融产品代码（如[A-Z]{2}\d{6}），确保这些关键信息不被分块切断。

3.2 混合检索策略

单纯向量检索在以下场景会失效：

精确产品代码查询（如"XX信托2023年第5期"）
数值范围过滤（如"收益率>5%的产品"）

解决方案是Milvus的标量+向量混合查询：

# 通过PyMilvus实现的混合查询 search_params = { "metric_type": "IP", "params": {"nprobe": 10} } expr = "product_type == '信托' && expected_yield > 0.05" results = collection.search( data=query_embedding, anns_field="embedding", param=search_params, limit=10, expr=expr )

3.3 响应生成优化

为避免大模型"自由发挥"，我们设计了严格的提示词模板：

你是一名专业的金融客服，请严格根据以下知识片段回答问题： {context} 问题：{question} 要求： 1. 答案必须来自上述context 2. 若context未包含足够信息，回答"根据现有资料，暂无法确认该问题" 3. 数字信息必须逐字核对

在Spring AI中通过ChatOptions控制：

ChatOptions options = ChatOptions.builder() .withTemperature(0.1) // 降低随机性 .withTopP(0.9) .build();

4. 性能调优实战

4.1 向量维度对齐陷阱

初期我们遇到这个报错：

incorrect dimension for field 'embedding': expected=1024, got=768

原因是Embedding模型(dim=768)与Milvus集合定义(dim=1024)不匹配。解决方案：

创建集合时明确维度：

FieldType fieldType = new FieldType() .withName("embedding") .withDataType(DataType.FLOAT_VECTOR) .withDimension(768);

或者在接入层增加维度转换：

# 使用PCA降维/全连接升维 from sklearn.decomposition import PCA pca = PCA(n_components=768) adjusted_embedding = pca.fit_transform(original_embedding)

4.2 并发控制策略

当QPS>50时，观察到Milvus连接不稳定。最终方案：

连接池配置（建议比例=最大并发数*1.2）

spring: ai: milvus: pool: max-active: 60 max-wait: 5000ms

熔断降级策略

@CircuitBreaker(failureThreshold=3, delay=5000) public List<Document> retrieveDocuments(String query) { // 检索逻辑 }

4.3 缓存层设计

针对高频问题（如"今日金价"），采用两级缓存：

本地缓存：Caffeine存储原始答案（TTL=1分钟）
分布式缓存：Redis存储向量化问题（TTL=1小时）

@Cacheable(cacheNames="answerCache", key="#question.hashCode()") public String getCachedAnswer(String question, Embedding embedding) { // 缓存未命中时的处理逻辑 }

5. 效果评估与迭代

5.1 量化评估指标

我们建立了三维评估体系：

维度	指标	目标值
准确性	事实错误率	<2%
时效性	P99响应延迟	<800ms
成本	平均token消耗	<1500/次

通过A/B测试发现，加入重排序模块后：

相关文档召回率提升41%
错误答案减少63%
平均响应时间增加120ms

5.2 持续学习机制

为解决概念漂移问题（如金融新政发布），设计了两阶段更新：

热点检测：实时监控问题聚类

from sklearn.cluster import DBSCAN clusters = DBSCAN(eps=0.3).fit(question_embeddings)

定向更新：对高频问题簇触发知识库更新

5.3 安全合规设计

金融行业特别需要注意：

数据脱敏：在Embedding前过滤敏感信息

text = text.replaceAll("\\d{4}-\\d{4}-\\d{4}-\\d{4}", "CARD_NUMBER");

审计日志：记录所有问答会话

CREATE TABLE qa_audit ( session_id UUID PRIMARY KEY, question TEXT NOT NULL, answer TEXT NOT NULL, context_used TEXT[], timestamp TIMESTAMPTZ DEFAULT NOW() );