【SpringAIAlibaba新手村系列】（17）百炼 RAG 知识库应用

第十七章 百炼 RAG 知识库应用

版本标注

• Spring AI: 1.1.2
• Spring AI Alibaba: 1.1.2.0

章节定位

• 本章介绍的是阿里云提供的托管式知识库检索能力，也就是把文档管理、索引构建和知识库维护交给云平台。
• 相比自建 VectorStore RAG，这条路线更适合快速接入和企业场景。

s01 > s02 > s03 > s04 > s05 > s06 > s07 > s08 > s09 > s10 > s11 > s12 > s13 > s14 > s15 > s16 > [ s17 ] > s18

"知识库不是把资料存进去就结束, 而是要让检索真正参与回答" -- 百炼 RAG 的价值在于把专有知识接进模型。

---

一、什么是百炼 RAG？

1.1 自建 RAG vs 百炼 RAG

我们在第12章学习的 RAG：需要自己

• 准备文档数据
• 切分文本
• 向量化存储到向量数据库
• 配置检索和生成

阿里云百炼 RAG：提供一站式服务

• 阿里云帮你管理文档
• 自动向量化
• 自动索引优化
• 只需调用 API 即可检索

1.2 百炼 RAG 的优势

对比项	自建 RAG	百炼 RAG
部署维护	需要自己维护	阿里云全托管
文档管理	需要自己处理	可视化管理
索引优化	需要调优	自动优化
安全性	取决于自身	企业级安全
成本	服务器+运维	按调用量付费

---

二、核心概念与 API

2.1 DashScopeDocumentRetriever

Spring AI Alibaba 提供了 DashScopeDocumentRetriever，用于连接阿里云百炼知识库：

// 创建百炼文档检索器
DocumentRetriever retriever = new DashScopeDocumentRetriever(
    dashScopeApi,  // 阿里云API客户端
    options        // 配置选项（知识库名称等）
);

2.2 核心配置参数

// 关键配置：知识库名称
DashScopeDocumentRetrieverOptions options = 
    DashScopeDocumentRetrieverOptions.builder()
        .withIndexName("ops")        // 知识库名称
        // .withTopK(3)             // 返回3个最相似的结果
        // .withScoreThreshold(0.7f) // 相似度阈值
        .build();

---

三、项目代码详解

3.1 配置类（DashScopeConfig）

这一章能跑起来，关键在于先把 DashScopeApi、ChatModel、ChatClient 配好。BailianRagController 只是使用这些 Bean。

import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class DashScopeConfig {

    @Value("${spring.ai.dashscope.api-key}")
    private String apiKey;

    private final String DEEPSEEK_MODEL = "deepseek-v3";

    @Bean
    public DashScopeApi dashScopeApi() {
        return DashScopeApi.builder()
                .apiKey(apiKey)
                .build();
    }

    @Bean
    public ChatModel deepSeek(DashScopeApi dashScopeApi) {
        return DashScopeChatModel.builder()
                .dashScopeApi(dashScopeApi)
                .defaultOptions(
                        DashScopeChatOptions.builder().withModel(DEEPSEEK_MODEL).build()
                )
                .build();
    }

    @Bean
    public ChatClient chatClient(ChatModel dashscopeChatModel) {
        return ChatClient.builder(dashscopeChatModel).build();
    }
}

这段配置的作用是：

1. dashScopeApi()：创建百炼 API 客户端。
2. deepSeek(...)：指定本章使用的聊天模型（deepseek-v3）。
3. chatClient(...)：给控制器提供统一的调用入口。

3.2 application.yml（与配置类对应）

DashScopeConfig 依赖 spring.ai.dashscope.api-key，所以配置文件里至少要有：

spring:
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}

你当前项目里的 Saa17 还能看到 redis 配置，但本章这条百炼托管知识库链路里并不依赖本地 VectorStore，因此核心仍然是上面的 dashscope.api-key 与知识库名称。

3.3 百炼 RAG 控制器

import com.alibaba.cloud.ai.advisor.DocumentRetrievalAdvisor;
import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.rag.DashScopeDocumentRetrievalAdvisor;
import com.alibaba.cloud.ai.dashscope.rag.DashScopeDocumentRetriever;
import com.alibaba.cloud.ai.dashscope.rag.DashScopeDocumentRetrieverOptions;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.document.DocumentReader;
import org.springframework.ai.rag.retrieval.search.DocumentRetriever;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

/**
 * 百炼RAG知识库控制器
 * 展示如何调用阿里云百炼知识库服务
 */
@RestController
public class BailianRagController
{
    @Resource
    private ChatClient chatClient;

    @Resource
    private DashScopeApi dashScopeApi;

    @GetMapping("/bailian/rag/chat")
    public Flux<String> chat(@RequestParam(name = "msg", defaultValue = "00000错误信息") String msg)
    {
        DocumentRetriever retriever = new DashScopeDocumentRetriever(dashScopeApi,
                DashScopeDocumentRetrieverOptions.builder()
                        .withIndexName("ops")
                        .build()
        );

        return chatClient.prompt()
                .user(msg)
                .advisors(new DocumentRetrievalAdvisor(retriever))
                .stream()
                .content();
    }
}

控制器里的执行顺序可以概括为：

1. 用 DashScopeDocumentRetriever 指定知识库（ops）。
2. 用 DocumentRetrievalAdvisor 把检索能力接入对话链路。
3. ChatClient 在生成回答前先检索，再把检索结果注入模型上下文。

---

四、知识库创建（阿里云平台）

4.1 创建流程

要在阿里云百炼平台使用RAG，需要：

1. 登录阿里云百炼控制台
2. 创建知识库
   • 选择文档类型（PDF、Word、TXT等）
   • 上传文档
   • 等待向量化完成
3. 获取 API Key 和知识库名称
4. 在代码中配置使用

4.2 支持的文档格式

格式	说明
PDF	文档型
Word (.docx)	文档型
TXT	文本型
HTML	网页型
Markdown	文本型

---

五、本章小结

5.1 核心概念

概念	说明
DashScopeDocumentRetriever	阿里云知识库文档检索器
DashScopeDocumentRetrieverOptions	检索器配置选项
DocumentRetrievalAdvisor	文档检索增强组件
知识库名称	百炼平台创建的知识库标识

5.2 使用流程

1. 在阿里云百炼平台创建知识库、上传文档
2. 在application.yml配置API Key
3. 创建DashScopeDocumentRetriever并指定知识库名称
4. 注册DocumentRetrievalAdvisor
5. ChatClient自动完成检索+生成

5.3 自建RAG vs 百炼RAG对比

特性	自建RAG	百炼RAG
部署	Docker/K8S	阿里云托管
文档管理	需代码实现	平台可视化
索引优化	手动调参	自动优化
数据安全	自行保证	企业级保障
适用场景	定制化强	快速上手

💡 TIP：什么时候选百炼知识库路线？

如果你的目标是快速搭建知识库问答，而不想自己维护向量库、切分流程和索引细节，那么百炼知识库路线会更省事。

1. 运维成本

• 自建RAG需要：向量数据库维护+分词/向量化服务+索引优化+7x24监控
• 百炼RAG：开箱即用，零运维

2. 检索链路更省心

• 自建RAG效果依赖算法调优，需要专业知识
• 百炼知识库：平台已经把文档管理、索引和检索流程集成好了

3. 安全合规

• 企业敏感数据如何存储？自建需要额外安全措施
• 百炼RAG：阿里云提供完善的数据安全合规认证

4. 扩展性

• 自建RAG：要根据业务增长扩容向量数据库
• 百炼RAG：按量付费，弹性伸缩

但如果你的业务有特殊需求（如完全私有化部署、特定分词规则），自建RAG仍然是更好的选择。

本章重点：

1. 理解百炼RAG服务的优势
2. 掌握DashScopeDocumentRetriever的用法
3. 能够在代码中集成阿里云知识库

下章剧透（s18）：

学会了阿里云百炼RAG后，最后一章我们将学习 Agent（智能体）------结合所有技术构建真正的AI应用！

---

📝 编辑者 ：Flittly

📅 更新时间 ：2026年4月

🔗 相关资源 ：阿里云百炼RAG文档