🌟 LangChain 30 天保姆级教程 · Day 29｜RAG 监控告警实战！用 Prometheus + Grafana 打造 AI 运维驾驶舱！

系列目标 ：30 天从 LangChain 入门到企业级部署
今日任务：暴露 RAG 指标 → 配置 Prometheus 采集 → 构建 Grafana 看板 → 设置智能告警！

---

📡 一、为什么 RAG 需要监控？

上线后的 RAG 系统如同"黑盒"：

• ❌ 用户反馈"变慢了"，但不知道哪一环出问题
• ❌ 向量库突然查不到结果，却无告警
• ❌ LLM 响应时间飙升，运维后知后觉

后果：

• 客户流失
• 内部效率下降
• 故障排查耗时数小时

💡 今天，我们就为 RAG 装上"仪表盘"和"警报器" ！

---

🧱 二、RAG 监控四大核心维度

表格

维度	关键指标	作用
1. 可用性	请求成功率、错误率	系统是否活着？
2. 性能	P50/P95 延迟（Embedding/检索/生成）	用户体验如何？
3. 质量	检索命中率、空结果率	回答准不准？
4. 资源	CPU/GPU、内存、QPS	是否需要扩容？

✅ 所有指标通过 Prometheus 采集，Grafana 可视化

---

🛠️ 三、动手实践 1：在 FastAPI 中暴露指标

步骤 1：安装依赖

pip install prometheus-client starlette-prometheus

---

步骤 2：集成指标埋点

# day29_rag_monitoring.py
from prometheus_client import Counter, Histogram, start_http_server
from starlette_prometheus import PrometheusMiddleware
from fastapi import FastAPI, Request
import time

app = FastAPI()

# 启动 Prometheus 指标端点（默认 /metrics）
start_http_server(8001)  # 单独端口，避免业务干扰
app.add_middleware(PrometheusMiddleware)

# 自定义指标
REQUEST_COUNT = Counter("rag_requests_total", "Total RAG requests", ["status"])
LATENCY_EMBEDDING = Histogram("rag_embedding_seconds", "Embedding generation latency")
LATENCY_RETRIEVE = Histogram("rag_retrieve_seconds", "Vector retrieval latency")
LATENCY_GENERATE = Histogram("rag_generate_seconds", "LLM generation latency")
EMPTY_RESULT_COUNT = Counter("rag_empty_results_total", "Count of empty retrieval results")

@app.post("/rag")
async def rag_api(request: Request):
    query = (await request.json())["query"]
    
    try:
        # 1. Embedding
        with LATENCY_EMBEDDING.time():
            emb = embeddings.embed_query(query)
        
        # 2. 检索
        with LATENCY_RETRIEVE.time():
            docs = vectorstore.similarity_search_by_vector(emb, k=3)
        
        if not docs:
            EMPTY_RESULT_COUNT.inc()
            raise ValueError("未找到相关文档")
        
        # 3. 生成
        context = "\n".join([d.page_content for d in docs])
        with LATENCY_GENERATE.time():
            answer = llm.invoke(f"根据内容回答：{context}\n\n问题：{query}").content
        
        REQUEST_COUNT.labels(status="success").inc()
        return {"answer": answer}
    
    except Exception as e:
        REQUEST_COUNT.labels(status="error").inc()
        raise

✅ 指标自动暴露于 http://localhost:8001/metrics

---

📈 四、动手实践 2：配置 Prometheus 采集

创建 prometheus.yml

# prometheus.yml
global:
  scrape_interval: 15s

scrape_configs:
  - job_name: "rag-service"
    static_configs:
      - targets: ["host.docker.internal:8001"]  # 若用 Docker

启动 Prometheus（Docker）

docker run -d \
  --name=prometheus \
  -p 9090:9090 \
  -v $(pwd)/prometheus.yml:/etc/prometheus/prometheus.yml \
  prom/prometheus

✅ 访问 http://localhost:9090 查看指标

---

🖥️ 五、动手实践 3：构建 Grafana 看板

步骤 1：启动 Grafana

docker run -d --name=grafana -p 3000:3000 grafana/grafana

步骤 2：配置数据源

1. 登录 http://localhost:3000（admin/admin）
2. Add data source → Prometheus → URL: http://host.docker.internal:9090

步骤 3：导入/创建看板

关键 Panel 查询示例：

表格

面板	Prometheus 查询
请求速率	rate(rag_requests_total[5m])
成功率	rate(rag_requests_total{status="success"}[5m]) / rate(rag_requests_total[5m])
P95 延迟（总）	histogram_quantile(0.95, sum(rate(rag_embedding_seconds_bucket[5m])) by (le)) + ...
空结果率	rate(rag_empty_results_total[5m]) / rate(rag_requests_total[5m])

💡 可导出 JSON 模板复用（文末提供）

---

🔔 六、动手实践 4：设置智能告警

在 Prometheus 中配置告警规则

# alert.rules.yml
groups:
- name: rag-alerts
  rules:
  - alert: HighErrorRate
    expr: rate(rag_requests_total{status="error"}[5m]) / rate(rag_requests_total[5m]) > 0.1
    for: 2m
    labels:
      severity: warning
    annotations:
      summary: "RAG 错误率过高 ({{ $value | humanizePercentage }})"

  - alert: HighLatency
    expr: histogram_quantile(0.95, rate(rag_generate_seconds_bucket[5m])) > 2.0
    for: 5m
    labels:
      severity: critical
    annotations:
      summary: "LLM 生成延迟过高 (P95 > 2s)"
  
  - alert: EmptyResultsSpiking
    expr: rate(rag_empty_results_total[5m]) > 0.5  # 每分钟 >30 次空结果
    for: 3m
    labels:
      severity: warning
    annotations:
      summary: "检索空结果激增，可能知识库缺失"

更新 prometheus.yml 引入规则：

rule_files:
  - "alert.rules.yml"

配置 Alertmanager（通知到企业微信/钉钉）

# alertmanager.yml
route:
  receiver: 'dingtalk'

receivers:
- name: 'dingtalk'
  webhook_configs:
  - url: 'http://your-dingtalk-bot-url'  # 替换为实际 webhook

✅ 支持邮件、Slack、飞书、企业微信等

---

📊 七、高级监控：业务质量指标

除了技术指标，还需监控业务效果：

# 在评估流水线（Day 26）中增加指标
from prometheus_client import Gauge

RAG_ACCURACY = Gauge("rag_accuracy_score", "Daily automated accuracy score")

def run_daily_eval():
    score = evaluate_rag_accuracy()  # 来自 Day 26
    RAG_ACCURACY.set(score)
    if score < 0.85:
        # 触发自定义告警（或写入日志供 Prometheus 采集）
        logger.error("RAG 准确率低于阈值！")

💡 将 准确率、忠实度 纳入监控体系，实现"技术+业务"双视角

---

⚠️ 八、注意事项 & 最佳实践

表格

问题	建议
指标爆炸	只采集关键路径，避免高基数标签
延迟计算不准	使用 Histogram 而非 Summary
告警疲劳	设置合理阈值 + 持续时间（for）
本地开发无 Docker	用 host.docker.internal 或直接 localhost
敏感信息泄露	/metrics 接口加鉴权（Nginx Basic Auth）

💡 生产建议：

• 每个微服务独立指标前缀（如 rag_service_）
• 保留 30 天指标数据
• 每周 Review 告警有效性

---

📦 九、配套资源

langchain-30-days/
└── day29/
    ├── rag_with_metrics.py       # 带埋点的 FastAPI 服务
    ├── prometheus.yml            # 采集配置
    ├── alert.rules.yml           # 告警规则
    └── grafana-dashboard.json    # 看板模板（可导入）

🔗 点击下载 Grafana 看板模板（示例 ID）

---

📝 十、今日小结

• ✅ 理解了 RAG 监控的四大核心维度
• ✅ 学会了用 Prometheus Client 埋点
• ✅ 配置了 Prometheus 采集 与 Grafana 可视化
• ✅ 设置了 错误率、延迟、空结果 三大关键告警
• ✅ 将 业务质量指标 纳入监控体系

🎯 明日预告：Day 30 ------ 终章！RAG 项目打包部署：Docker + CI/CD + 文档，交付企业级解决方案！