核心價(jià)值

• QA 預(yù)生成技術(shù)

采用創(chuàng)新的問(wèn)答對(duì)生成方法，相比傳統(tǒng)文本切片技術(shù)，能夠更精準(zhǔn)的構(gòu)建知識(shí)庫(kù)，顯著提升檢索與問(wèn)答效果。

• 企業(yè)級(jí)場(chǎng)景驗(yàn)證

已在真實(shí)業(yè)務(wù)場(chǎng)景中落地應(yīng)用，實(shí)現(xiàn)從傳統(tǒng)搜索到智能搜索的無(wú)縫升級(jí)，用戶接受度與滿意度明顯提升。

• 開(kāi)源實(shí)踐支持

提供完整技術(shù)教程，并開(kāi)放源代碼，助力開(kāi)發(fā)者快速搭建易于落地的高質(zhì)量企業(yè)級(jí) AI 知識(shí)庫(kù)系統(tǒng)。

概述

GC-QA-RAG 是一款面向葡萄城產(chǎn)品生態(tài)（包括 活字格、WYN、SpreadJS 和 GCExcel 等）的檢索增強(qiáng)生成（RAG）系統(tǒng)。該系統(tǒng)通過(guò)智能文檔處理、高效知識(shí)檢索、精準(zhǔn)問(wèn)答等功能，有效提升了知識(shí)管理效率和用戶支持體驗(yàn)。

本系統(tǒng)創(chuàng)新性地采用了 QA 預(yù)生成技術(shù)，克服了傳統(tǒng)文本切片方法在知識(shí)庫(kù)構(gòu)建中的若干局限性。經(jīng)過(guò)實(shí)踐驗(yàn)證，該技術(shù)方案能夠顯著提升檢索效果，可為 RAG 領(lǐng)域的技術(shù)實(shí)踐提供新的思路。

葡萄城秉持“賦能開(kāi)發(fā)者”的理念，現(xiàn)將 GC-QA-RAG 項(xiàng)目完整開(kāi)源：

Gitee地址：https://gitee.com/grape-city-ai/gc-qa-rag

Github地址：https://github.com/GrapeCity-AI/gc-qa-rag

對(duì)于初學(xué)者，我們提供了詳細(xì)的入門(mén)指南，幫助您快速掌握 QA-RAG 系統(tǒng)的構(gòu)建方法

對(duì)于面臨傳統(tǒng)架構(gòu)挑戰(zhàn)的開(kāi)發(fā)者，我們的架構(gòu)設(shè)計(jì)文檔可為您提供參考，助力現(xiàn)有知識(shí)庫(kù)的優(yōu)化升級(jí)

本項(xiàng)目也分享了葡萄城在 RAG 知識(shí)庫(kù)產(chǎn)品設(shè)計(jì)方面的實(shí)踐經(jīng)驗(yàn)，希望能為相關(guān)領(lǐng)域的產(chǎn)品和技術(shù)探索提供有益參考。

葡萄城 AI 搜索地址：https://ai-assist.grapecity.com.cn/

項(xiàng)目背景

作為企業(yè)級(jí)解決方案提供商，葡萄城積累了大量的產(chǎn)品用戶。在日常使用中，用戶需要快速獲取準(zhǔn)確的產(chǎn)品信息，但現(xiàn)有幫助文檔和技術(shù)社區(qū)存在以下挑戰(zhàn)：

內(nèi)容分散在多個(gè)平臺(tái)（約 4000 篇文檔、2000 個(gè)教程帖和 50000 個(gè)主題帖）

傳統(tǒng)關(guān)鍵詞搜索效果有限，難以滿足精準(zhǔn)查詢需求

基于 AI 大模型技術(shù)，我們開(kāi)發(fā)了 GC-QA-RAG 系統(tǒng)，旨在：

提供更智能、高效的產(chǎn)品問(wèn)題解答服務(wù)

優(yōu)化技術(shù)支持流程，提升服務(wù)效率

查看項(xiàng)目背景了解更多。

產(chǎn)品設(shè)計(jì)

GC-QA-RAG 采用"傳統(tǒng)搜索界面+智能問(wèn)答"的混合設(shè)計(jì)模式，旨在結(jié)合搜索引擎的高效性與 AI 的智能化能力。經(jīng)過(guò)對(duì)對(duì)話式 AI 助手的深入評(píng)估，我們發(fā)現(xiàn)傳統(tǒng)搜索界面更符合用戶對(duì)信息獲取效率的核心需求，同時(shí)通過(guò)智能回答區(qū)域提供 AI 增強(qiáng)的交互體驗(yàn)。

查看產(chǎn)品設(shè)計(jì)了解更多。

核心功能

• 雙頁(yè)面結(jié)構(gòu)：簡(jiǎn)潔的 Home 頁(yè)聚焦搜索入口，Search 頁(yè)呈現(xiàn)智能回答與分類(lèi)搜索結(jié)果
• 智能問(wèn)答系統(tǒng)：支持打字機(jī)效果的逐字輸出，提供追問(wèn)功能實(shí)現(xiàn)有限的多輪對(duì)話
• 優(yōu)化搜索結(jié)果：
  
  -- 四類(lèi)選項(xiàng)卡分類(lèi)展示（全部/幫助文檔/求助中心/專(zhuān)題教程）
  
  -- 預(yù)生成詳細(xì)答案支持"展開(kāi)更多"查看
  
  -- 無(wú)分頁(yè)設(shè)計(jì)提升瀏覽效率
• 交互增強(qiáng)：
  
  -- 回答質(zhì)量反饋（有用/沒(méi)用）
  
  -- 一鍵復(fù)制文本/圖像
  
  -- 實(shí)時(shí)顯示各類(lèi)結(jié)果數(shù)量

用戶體驗(yàn)

產(chǎn)品通過(guò)清晰的界面層級(jí)和智能化的交互設(shè)計(jì)，在保持搜索效率的同時(shí)提供 AI 增強(qiáng)功能。默認(rèn)的單次搜索模式確保響應(yīng)速度，追問(wèn)功能滿足深度探索需求，而可視化的上下文管理幫助用戶保持操作認(rèn)知。這種平衡設(shè)計(jì)使用戶既能快速獲取核心信息，又可按需展開(kāi)更深入的智能交互。

技術(shù)架構(gòu)

GC-QA-RAG 采用三層架構(gòu)設(shè)計(jì)，確保系統(tǒng)清晰高效且可擴(kuò)展：

構(gòu)建層 - ETL

文檔解析：支持多種類(lèi)型文檔（產(chǎn)品說(shuō)明文檔，論壇帖子等）

QA 生成：基于文檔內(nèi)容自動(dòng)生成問(wèn)答對(duì)

向量化：將文本轉(zhuǎn)換為高維向量，支持語(yǔ)義檢索

索引構(gòu)建：建立高效的檢索索引與有效負(fù)載

檢索層 - Retrieval

問(wèn)題改寫(xiě)：優(yōu)化用戶查詢，提高檢索準(zhǔn)確率

混合檢索：結(jié)合關(guān)鍵詞和語(yǔ)義檢索

RRF 排序：基于相關(guān)性排序算法優(yōu)化結(jié)果

結(jié)果融合：整合多源檢索結(jié)果

生成層 - Generation

問(wèn)答模式：對(duì)接文本大模型，直接回答用戶問(wèn)題

思考模式：對(duì)接推理大模型，先思考再回答

多輪對(duì)話：支持上下文相關(guān)的連續(xù)對(duì)話

答案優(yōu)化：確保回答的準(zhǔn)確性和可讀性

查看技術(shù)架構(gòu)了解更多。

技術(shù)挑戰(zhàn)

在構(gòu)建企業(yè)級(jí) RAG 知識(shí)庫(kù)系統(tǒng)的實(shí)踐中，我們面臨著知識(shí)表征方面的基礎(chǔ)性挑戰(zhàn)。這些挑戰(zhàn)主要源于知識(shí)本身固有的時(shí)空特性，這在當(dāng)前 AI 技術(shù)發(fā)展階段呈現(xiàn)出顯著的解決難度。

空間語(yǔ)義歧義問(wèn)題

問(wèn)題描述：

產(chǎn)品不同模塊中存在功能命名沖突現(xiàn)象。以活字格低代碼平臺(tái)為例，其文檔中會(huì)出現(xiàn)以下情況：

• 頁(yè)面模塊的"數(shù)據(jù)透視表"功能
• 報(bào)表模塊的"數(shù)據(jù)透視表"功能
• 表格報(bào)表模塊的"數(shù)據(jù)透視表"功能
• Excel 的"數(shù)據(jù)透視表"功能（大模型內(nèi)部知識(shí)）

影響：

這種命名沖突不僅給技術(shù)支持人員帶來(lái)困擾，對(duì) AI 系統(tǒng)的語(yǔ)義理解也構(gòu)成了顯著挑戰(zhàn)。

時(shí)序版本管理問(wèn)題

問(wèn)題描述：

同一功能在不同版本中存在特性差異，典型表現(xiàn)為：

知識(shí)庫(kù)中收錄了某個(gè)功能的多個(gè)版本文檔

用戶可能仍在使用舊版本，僅需了解特定版本的功能特性

影響：

這種版本差異使得準(zhǔn)確匹配用戶實(shí)際環(huán)境中的功能特性變得復(fù)雜，增加了知識(shí)檢索的難度。

落地效果

GC-QA-RAG 系統(tǒng)在實(shí)際業(yè)務(wù)場(chǎng)景中取得了令人鼓舞的應(yīng)用成效，主要體現(xiàn)在以下幾個(gè)方面：

• 用戶接受度與粘性

系統(tǒng)上線后，用戶訪問(wèn)量呈現(xiàn)穩(wěn)步增長(zhǎng)并逐漸趨于穩(wěn)定，表明產(chǎn)品已經(jīng)形成了穩(wěn)定的用戶群體和使用習(xí)慣。用戶留存數(shù)據(jù)反映出較高的使用粘性，許多用戶已將系統(tǒng)作為日常求疑解答的工具。

• 持續(xù)的產(chǎn)品優(yōu)化

我們建立了完善的用戶反饋機(jī)制，定期收集來(lái)自終端用戶和技術(shù)支持團(tuán)隊(duì)的使用體驗(yàn)和改進(jìn)建議。這些寶貴的實(shí)踐反饋為系統(tǒng)迭代提供了明確方向，推動(dòng)產(chǎn)品功能持續(xù)完善。

• 用戶群體認(rèn)可度

系統(tǒng)獲得了用戶群體的高度評(píng)價(jià)，其背后的技術(shù)創(chuàng)新思路也引起了專(zhuān)業(yè)開(kāi)發(fā)者用戶的廣泛關(guān)注。技術(shù)原理和實(shí)現(xiàn)方案成為客戶咨詢探討的熱點(diǎn)，多個(gè)客戶與團(tuán)隊(duì)表示希望借鑒相關(guān)經(jīng)驗(yàn)。

• 業(yè)務(wù)價(jià)值體現(xiàn)

從實(shí)際使用效果來(lái)看，系統(tǒng)顯著提升了技術(shù)支持效率和用戶自助服務(wù)能力。知識(shí)獲取革新帶來(lái)可感知的流程優(yōu)化，用戶正向評(píng)價(jià)充分印證其成效。

這些成果不僅驗(yàn)證了產(chǎn)品和技術(shù)路線的可行性，也為后續(xù)發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。同時(shí)，我們相信 QA 預(yù)生成方案對(duì)文檔型知識(shí)庫(kù)具有普遍的參考價(jià)值。我們將繼續(xù)秉持開(kāi)放的態(tài)度，與用戶社區(qū)和專(zhuān)業(yè)開(kāi)發(fā)者攜手合作，共同推動(dòng)技術(shù)的不斷進(jìn)步。

查看落地效果了解更多。

總結(jié)

以上是生活随笔為你收集整理的基于预生成 QA 对的 RAG 知识库解决方案的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。