生产 RAG 需要同时管理文档摄取、embedding、索引、查询缓存和回滚。推荐采用新版本构建、健康检查、原子切换的发布方式。
核心概念
索引版本应包含来源快照、分块规则、embedding 模型和构建结果。查询缓存键必须包含问题规范化、租户、权限摘要和索引版本,文档更新或权限变化时可以自然失效。
可运行示例
from dataclasses import dataclass
@dataclass(frozen=True)
class IndexRelease:
version: str
document_count: int
embedding_model: str
status: str
def cache_key(query: str, tenant: str, role_hash: str, index_version: str) -> str:
return '|'.join((tenant, role_hash, index_version, query.strip().lower()))
操作步骤
- 冻结文档快照并创建新索引版本,旧版本继续提供服务。
- 执行文档数量、向量维度、抽样检索和权限回归检查。
- 通过单一指针切换当前索引,切换失败时保留旧指针。
- 将缓存键绑定索引版本和权限摘要,发布后按版本自然隔离。
适用场景
适合持续更新的帮助中心、企业制度库和需要快速回滚的生产系统。
常见问题
能否原地更新索引? 小规模实验可以,生产更适合版本化构建和切换。
缓存会泄露权限吗? 若键没有包含租户和权限摘要,可能泄露;默认禁止跨权限复用。
如何验证更新完成? 用固定问题集检查新文档可检索、旧文档按策略不可检索。
官方参考
OpenAI Production best practices;OpenAI Embeddings。
最后核对日期:2026-11-16。版本、接口和安全边界以链接的官方资料为准;本文不虚构性能或费用结论。
