生產 RAG 同時管理文件攝取、embedding、索引、查詢快取與回滾。建議建立新版本、完成健康檢查,再切換明確指標,不要原地修改線上索引。
核心概念
索引 manifest 應記錄來源快照、分塊規則、embedding 模型與建立結果。快取鍵必須包含問題規範化、租戶、權限摘要和索引版本。
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()))
步驟與適用情境
- 凍結文件快照並建立新索引,舊版本繼續服務流量。
- 檢查文件數、向量維度、抽樣檢索與權限回歸。
- 健康檢查通過後切換目前指標,保留舊指標以便回滾。
- 將快取鍵綁定索引版本與權限摘要,避免發布後沿用舊答案。
適合持續更新的幫助中心、制度庫與需要快速回滾的生產系統。
常見問題
小型實驗可原地更新,但生產通常更適合版本化建立。若快取鍵沒有租戶和權限欄位,可能洩露證據,禁止跨邊界共用。
官方參考
OpenAI 生產最佳實務 與 OpenAI Embeddings。
最後核對日期:2026-11-16。提升新版本前,使用固定問題集驗證新文件可被正確檢索。
