作品 / Enterprise RAG Starter
回答要有来源,
也要知道何时停下。
打开交互工作台 线上词面演示 / 本地文件与身份服务
把团队资料查询拆成可检查的流程:谁能看、哪一版有效、回答依据在哪、缺资料时怎样处理。我负责本地入库、检索与来源接口、失败回归和运行交接;公开工作台可直接核对查询结果。
公开工作台使用合成资料做词法检索与原文摘录,未接入生成模型。本地文件、身份和可选语义模式另行运行;真实企业回答质量尚未验证。
查看结果与说明 01这是什么
02看结果
以下为同一公开演示的三个实际浏览器状态。核心问题是:检索到相关文字,是否真的足够回答?
01 / 先把资料范围摆清楚
合成资料的片段带有来源名称、版本和访问范围。这里的 Public / Team 下拉框仅用于演示过滤,不是生产登录。
02 / 让回答回到原始资料
询问退款政策,页面摘录 14 天窗口,并同时显示 returns:0、v1 和来源名称;没有调用生成模型。
03 / 相关,不等于足够回答
询问客服电话会命中支持时间片段,但原文没有电话号码。页面明确返回证据不足,保留命中片段供复核。
03我做了什么
我的责任覆盖资料输入、查询决策、证据回查和运行交接。
数据与接口:我实现多格式解析、文档指纹与递增版本,把文件内容与访问/日期元数据一起纳入变更判断。Markdown 保留行位置,PDF 使用解析页码,DOCX 使用段落位置;查询与来源接口都检查身份和当前版本。
回答与失败处理:我把词法检索与可答性检查分开,修复无关首句、标题含词却正文无证据、缺少实际电话/邮箱值等误答。找不到足够证据时保留检索线索,明确返回拒答。
维护与交接:我加入只读健康检查、SQLite 在线备份和独立路径恢复;回归覆盖 WAL 已提交数据、备份时的身份撤销状态、目标覆盖拒绝和不完整副本清理。维护者能按命令复现这些状态。
04工程判断
01 / 先确定资料可见范围,再参与排名
只在返回答案后隐藏不可访问资料,仍可能让其他租户的词频影响 BM25 排名。我采用获授权资料的内存 FTS5 快照,使本次排名只依赖该身份可读的当前资料;代价是它面向有限规模的本地参考场景。
02 / 把权限和版本当作资料的一部分
文件字节相同,权限或生效日期也可能变化,因此变更指纹同时包含内容与安全/版本元数据。来源回查再次检查权限、版本与日期;最新版本不可用时,不退回旧版本补一个答案。
03 / 命中资料和足够回答分别判断
片段可能谈到“联系电话”,却没有号码。词法路径只引用能满足当前问题的原句,缺值时保留线索并拒答;可选语义模式缺少依赖时明确失败,不静默切回词法结果。这样可以区分模式错误、资料缺口与检索漏检。
05验收与交接
一轮验收,应同时走通查询、变更、拒绝与恢复。
建议从一组获授权资料开始:确认常见问题与期望来源,运行入库和查询;再更新文档、调整可见范围、查询缺失值,核对新旧引用与拒答;最后备份到新文件、恢复到独立路径并运行健康检查。通过后,再约定实际业务数据和下一步集成范围。
已有证据:公开工作台可直接核对来源摘录和缺值拒答;本地工程有真实 CLI / HTTP、权限、版本及备份恢复回归,运行与对应固定提交的证据列在下方。
公开工作台使用合成资料做词法检索与原文摘录,未接入生成模型。没有真实企业文档或专家确认的 Golden Set;本地身份不是企业 SSO,词法覆盖也不等于语义理解,真实企业回答质量与生产部署尚未验收。
2026-10-28 的本站工作台记录:复用公开引擎,检查既有 Node 回归;支持导入本地文本、查看原文并导出结果。合成语料检验不代表真实企业回答质量。
06深入查看
2026-10-21 本地版加入 MD/PDF/DOCX 入库、文件哈希和版本、生效/过期日期与更新删除。可信身份由本机管理员签发,服务端保存租户与角色;客户端不能靠选择 scope 或传入 role 冒充身份。
结构:可信身份 → 可访问的当前文档 → SQLite FTS5 与词项排名融合 → 正文可答性检查 → 带版本/页段/哈希的原文摘录。PDF 使用实际页码;DOCX 只标段落,不编造 Word 分页。
2026-10-30 已合并的运行能力包含 SQLite 在线备份、独立恢复和健康检查;恢复保留身份撤销状态,目标文件不得覆盖。 备份实现 ↗ · WAL、撤销与缺值回归 ↗
本地评测仍保留语义改写漏检;用户已确认审阅合成候选,但未把候选集当作真实企业准确率。测试状态可核对2026-10-30 对应提交的 CI ↗。
python -m unittest discover -s tests
python evals/local.py --output .rag-data/eval/local-latest.json
仍是本机、有限规模的词面摘录参考实现,未调用生成式模型或嵌入;语义理解、自然企业样本、SSO 与托管生产验收尚未通过。线上 Demo 保留原静态词面界面,与可信身份的本地服务分开。
以上源码与 CI 固定于 2026-10-30 的已合并版本。上方查询截图来自 2026-10-23 的公开演示复核;LLMProvider 仍为 NOT_CONFIGURED,生成式回答质量未运行。
检查范围与下一步
检索命中、引用、权限与拒答分开检查。现有案例为 synthetic_unverified;没有生成式 LLM 答案质量分数。
引入获授权的真实失败样本、人工标注与端到端回归。
WORK TOGETHER / 合作入口
让团队资料更容易查到。
带上一组获授权的样本文档、常见问题和资料可见范围。先确定检索、出处与缺资料提示该怎样工作。