内部RAG知识库检索及问答

内部资料线 · 只查本库

一句话进来，走固定管线（改写 → 向量 + BM25 → RRF → 生成），出去的是带引用的答案和各阶段真实耗时。 不联网，不调外部工具。

知识来源：本厂文档库| 注定查内部 —— 没有"要不要查"这个判断| 答案可点回原文

这一页为什么和「外部检索与工具Agent编排」分成两页

本系统的知识来源被有意分成两条独立的线：

线	注定查什么	编排
内部线（本页）	我们自己的文档库 —— 没有"要不要查"这个判断	固定管线（改写 → 向量+BM25 → RRF → 生成）
外部线	模型自身 + 记忆 + 通用工具（含联网）—— 不接本库	模型自主决定调不调工具、调哪个

分成两条线的原因：意图分流做不到 100% 准。判错一次，外部场景就会被内部资料污染，而页面上看不出它判错了。与其赌分类，不如让每条线没有判断，也就没有判错。 ⇒ 所以本站不在一个页面上让你"选走哪条线"，两条线各有各的页面。

本页还空着的位置⬜ 待补

「内部检索 + 编排合起来服务于一个固定业务流」的那种形态 —— 目前尚未实现（施工单已写、未开工）。这里先占位；那个模块做完之后，会把具体内容回写到本节。

「链」展示列表：点击行首的切换按钮，下方左右两个面板将同步更新。

3POST /api/v1/rag/stream_search：流式输出 ⇒ 单独一页（这里放不下）· 点这一行过去

POST /api/v1/rag/search 就绪

question

预设问题取自本库的真实主题（售后与保修 / 备件调拨 / 上门作业 / 投诉升级）。

top_k

8

⚠️ 这条接口不收这几项 —— /rag/pg_search 的签名是 (req, user_name)：没有 mode、没有 thread_id、也没有那三个开关。它只做一件事：拿你的问题去做一次向量检索。

mode（四档 · 选一档 · 🔴 它走 query，⛔ 不在 body 里）

默认 accurate_norerank（改写 + 向量 + BM25 + RRF，不含重排）。 accurate 与 full 需要重排模型，本环境没有 ⇒ 这里不给入口。

开关 citations 不打开就没有引用 —— 本接口默认 false strict_mode 开了：模型只许照资料答，资料里没有就说「无法回答」（⛔ 不许拿自己的常识补）；关着：允许它补。
⚠️ 只在「勾了 generate_answer」且「没勾 citations」时才起作用 —— 走「带引用」那条路时它被忽略。 generate_answer 要不要让模型成文（不勾则只回检索结果、answer 是空的）

点一下会真调 POST /api/v1/rag/search（⛔ 不是本地模拟）。

阶段 accurate_norerank

1查询改写—

2检索（向量 + BM25 + RRF）—

3重排—

这三段是接口返回的 timing（真实毫秒）。 重排在 demo 上恒为 0 —— 镜像不装重排依赖（DEC-157）。
🔴 「生成答案」那一段【这里没有】 —— 实测 total_ms 只等于上面三段之和（它是检索管线的总时长，⛔ 不含生成）。 ⛔ 拿它倒推生成耗时会在页面上印出一个假的 0。本页只读，不改动任何数据。

answer—

answer还没有跑过。提问之后，这里出现带 [来源 n] 标记的答案。
⚠️ 「根据现有资料，无法回答。」也是一种正常返回 —— 那说明库里确实没有那条资料，⛔ 不是页面坏了。

引用 —

sources[]跑一次之后，这里逐条列出每条结论绑到的原文区间。

端点级（这一步打的是哪条接口）— 条 · 默认收起 · 点开 ▾

端点	它做什么	本环境
POST /rag/pg_search	只走向量检索	可用
POST /rag/hybrid_search	向量 + BM25 + RRF	可用
POST /rag/rewrite_search	先让模型改写问题再检索	可用
POST /rag/rerank_search	交叉编码器重排	缺重排模型
POST /rag/search	本页用的那条（按 mode 组装）	可用

两组参数并排对比默认收起 · 点开 ▾

配置 A · —

命中条数: —
引用 / 结论: —
端到端: —
本次费用: —

配置 B · —

命中条数: —
引用 / 结论: —
端到端: —
本次费用: —

🔴 点一次「提问」会跑【两次】：一次是你选的档（= 配置 A），另一次是最下面那档里【另一个可用档】（= 配置 B）—— 因为要真比出差异，就必须两个都真跑，⛔ 不能拿一次的结果编两次。
⚠️ 两次都按你当前那三个开关跑；generate_answer 打开时，两次都会花 LLM 的钱。
⛔ 两边一样的时候这个对比就是摆设 —— 真一样了它也会如实显示两边一样。

本次花费 / 我的额度默认收起 · 点开 ▾

本用户累计 LLM tokens: —
本用户累计 embedding tokens: —
本用户累计费用: —
今日剩余额度: —

⚠️ 缺值一律显示「取不到」，⛔ 不显示 0（0 会被读成"没花钱"）。
前三格来自 GET /api/v1/agent/cost/records，按本页这次的 thread_id 筛 （那个端点⛔ 没有 thread 过滤，所以是在客户端筛最近一批）。第四格来自 token/budget。

检索历史（本会话）默认收起 · 点开 ▾

chat_history这一格读的是 GET /api/v1/rag/chat_history。
🔴 而本页用的那条接口【不写会话历史】 —— 全仓只有 6 条【流式】端点会写（persist_turn），非流式的 /rag/search 一行都不写。
⇒ 所以这里通常是空的，而那不是坏了：只有你在这个 thread_id 上用过流式接口，这里才会有东西。