015、LangChain + RAG实战：把知识库问答系统真正串成一条可维护的工程链路

上一篇我们刚刚讲完，LangChain入门最值得先学的3个核心组件就是：PromptTemplate,OutputParser,Chain.

但是如果你真的开始做知识库项目，很快就会发现：**掌握几个组件，并不等于已经把RAG系统组织好了。

因为很多人做RAG的真实状态，并不是“不会”，而是“会一点，但是越做越乱”。

最初的时候，你可能只想做一个简单的知识库问答：

• 用户提出问题
• 查找一些相关的资料
• 将资料拼接到Prompt中
• 调整模型回答

好像也没有几步的样子。

于是就有很多人直接开始动手了：先查向量库，然后拼接出一个很长的字符串，再调用模型进行处理，并把结果返回。第一次跑通的时候成就感很强

但是项目往前走两步的时候，问题就出现了：

• 检索策略是否需要调整？
• 上下文拼接是否要统一？
• Prompt模板是否需要根据场景进行区分？
• 来源信息如何回传给前端？
• 是否需要进行结构化处理？
  后面要不要加query改写、rerank日志缓存评估？

这时候你就会突然发现：RAG真正难的地方，并不是检索和生成这两个字，而是如何把这条链路组织成一个可以持续扩展、维护更新并且不断演进的系统。

这也是为什么我一直强调：

RAG不应该只是零散拼接。

零散拼接的代码可以帮你把Demo做出来；但是只有工程化的组织才能让你的知识库系统真