融会贯通：打造完整的 RAG 问答链

走过了前面四篇文章，我们已经把 RAG 的每一块积木都摸透了：从加载文档、拆分文本，到向量化嵌入、存入数据库，再到精准检索。这些步骤单独拿出来，你都能讲得头头是道。但 RAG 从来不是单一步骤的炫技，而是一条首尾相连的流水线。

今天，我们就把这五道工序串成一条优雅的 LCEL 链------你向它丢一个问题，它自动完成检索、拼接、生成，最后吐出一个有据可依的回答。你即将亲手打造出本系列第一个真正意义上的"智能问答系统"。

---

一、把积木摆上桌面：回顾我们都有哪些零件

在动手组装之前，先快速清点一下已经掌握的"标准件"：

1. 文档加载 ：TextLoader、PyPDFLoader、DirectoryLoader 把各种文件变成 Document 对象。
2. 文本拆分 ：RecursiveCharacterTextSplitter 把长文档切成语义完整的小块（chunk）。
3. 嵌入模型 ：HuggingFaceEmbeddings（本地免费）或 DashScopeEmbeddings（阿里云，中文更优）把文本块变成向量。
4. 向量存储：Chroma、Redis、Pinecone 等，用于快速语义搜索。
5. 检索器 ：vectorstore.as_retriever() 负责根据查询返回最相关的文档片段。
6. 聊天模型 ：ChatDeepSeek 根据检索到的内容生成自然语言回答。
7. 提示词模板 ：ChatPromptTemplate 把检索结果和用户问题编织成一个完整的指令。
8. 输出解析器 ：StrOutputParser 把模型回复整理成纯文本。

这八块积木，任何一块你都能独立使用。现在，我们要用 LCEL 的管道符 |，把它们拼成一条没有焊点的流水线。

---

二、第一条全流程 RAG 链：从问题到答案

我们假设你已经按照前面几篇文章的指导，把文档加载、拆分、嵌入、存入 Chroma 数据库这一步完成了。如果你还没有现成的向量库，我们可以先"快进"一下------用一个最小化的脚本，把所有准备工作一次性跑通。

2.1 一分钟备料：准备好向量库

from langchain_community.document_loaders import TextLoader
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_chroma import Chroma

# 1. 加载文档（假设你有一个公司规章的 txt 文件）
loader = TextLoader("company_rules.txt", encoding="utf-8")
docs = loader.load()

# 2. 拆分
splitter = RecursiveCharacterTextSplitter(
    chunk_size=500,
    chunk_overlap=50,
    separators=["\n\n", "\n", "。", "！", "？", "；", "，", " ", ""]
)
chunks = splitter.split_documents(docs)

# 3. 嵌入模型（本地免费）
embedder = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")

# 4. 存入 Chroma
vectorstore = Chroma.from_documents(
    documents=chunks,
    embedding=embedder,
    persist_directory="./rag_demo_db"
)

print(f"知识库就绪，共 {len(chunks)} 个片段。")

这段脚本运行一次后，本地的 ./rag_demo_db 目录就存储了你的知识库。后面再次启动时，只需加载，不必重复处理。

2.2 用 LCEL 串起 RAG 链

现在进入正题------构建那条梦寐以求的链。我们将用到 RunnablePassthrough 这个"透明管道"，它能把用户的原始问题原封不动地传给下一个环节，同时我们又能在它身上"挂载"上检索结果。

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_core.output_parsers import StrOutputParser
from langchain_deepseek import ChatDeepSeek

# 1. 加载已有向量库
vectorstore = Chroma(
    embedding_function=embedder,
    persist_directory="./rag_demo_db"
)

# 2. 从向量库创建检索器
retriever = vectorstore.as_retriever(search_kwargs={"k": 3})

# 3. 准备提示词模板：将检索到的上下文 {context} 和用户问题 {question} 融合
prompt = ChatPromptTemplate.from_messages([
    ("system", """你是一个严谨的企业内部问答助手。
请严格根据以下参考资料回答问题。如果资料不足以回答问题，请如实说"根据现有资料无法回答"。
不要编造任何信息。

参考资料：
{context}"""),
    ("user", "{question}")
])

# 4. 创建聊天模型
model = ChatDeepSeek(model="deepseek-chat", temperature=0)

# 5. 输出解析器
parser = StrOutputParser()

# 6. 用 LCEL 组装全链
rag_chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | model
    | parser
)

这条链的逻辑非常清晰：

• {"context": retriever, "question": RunnablePassthrough()}：输入是个字符串（用户问题）。RunnablePassthrough 把问题原样放进 question 字段；同时，同一个问题传给 retriever，检索结果放进 context 字段。最终这个 Runnable 吐出一个 {"context": [Document,...], "question": "原问题"} 的字典。
• 这个字典直接喂给 prompt，模板把检索到的文本块拼接好，替换 {context} 占位符。
• 格式化后的提示词发给 model 生成回答。
• parser 把 AIMessage 变成纯文本。

2.3 测试你的 RAG 系统

# 问一个知识库里应该有的问题
question = "员工请假需要提前几天申请？"
answer = rag_chain.invoke(question)
print(f"问：{question}")
print(f"答：{answer}")

你会得到一个基于文档内容的回答，而不是模型的"自由发挥"。如果问题超出知识库范围，模型会按要求说"无法回答"。

---

三、不止一问一答：让 RAG 链更强大

现在这条链已经能跑通，但我们可以让它更聪明、更友好。

3.1 带上来源引用

用户不只想得到答案，还想知道"这说法从哪来的"。我们只需稍微改造提示词，让模型在回答时引用来源。

prompt_with_source = ChatPromptTemplate.from_messages([
    ("system", """你是一个严谨的企业内部问答助手。
请根据以下参考资料回答问题。每条回答后，列出你依据的参考来源（文档名称或片段标号）。

参考资料：
{context}"""),
    ("user", "{question}")
])

rag_chain_with_source = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt_with_source
    | model
    | parser
)

answer = rag_chain_with_source.invoke("请假流程")
print(answer)

如果 metadata 里带有 source 字段，检索结果中就自然携带了出处信息，模型可以利用它们生成引用。

3.2 流式输出：让回答一字一字蹦出来

在第 11 篇文章中我们学过流式传输。把 rag_chain 最后的 parser 去掉，链会输出 AIMessage，然后我们可以用 stream 获得流式效果。但即使保留 parser，由于 LCEL 的智能传递，链本身就支持 stream：

# 流式输出回答
for chunk in rag_chain.stream("解释一下加班的调休规定"):
    print(chunk, end="", flush=True)

用户将看到答案逐字生成，体验拉满。

3.3 异步查询：不阻塞你的 FastAPI

如果你的 RAG 链要部署为 Web 服务，记得用异步版本：

import asyncio

async def ask_rag(question: str) -> str:
    return await rag_chain.ainvoke(question)

# 在异步环境中直接 await
# answer = await ask_rag("年假如何计算？")

从模型调用到检索，整个链条全线支持异步，搭配 FastAPI 流式响应，便是生产级 AI 问答的后端骨架。

---

四、完整的项目蓝图：从脚本到服务

现在你的 RAG 系统还只是一个 Python 脚本。但只需几步，它就能进化成一个持续的在线服务：

1. 配置管理：把嵌入模型选择、数据库连接、k 值等参数放到 YAML 或环境变量里。
2. API 封装 ：用 FastAPI 包裹 rag_chain，暴露 /chat 或 /ask 接口。
3. 日志与监控：接入 LangSmith，查看每次检索了哪些片段、模型看到了什么上下文。
4. 文档更新：定期扫描新文件，触发增量加载与嵌入，更新向量库。
5. 安全与权限：根据用户身份动态设置元数据过滤，实现知识库的权限隔离。

这条从原型到产品的进化路线，正是 LangChain 赋予我们的工程化能力。

---

五、今日收获与下篇预告

今天，我们亲手把 RAG 的完整流程落地为一条优雅的链：

• 你复习了 RAG 的八块积木，并看到了它们如何各就各位。
• 你用 LCEL 的 RunnablePassthrough 和管道符把检索、提示词组装、模型生成、输出解析串成了一条自动化流水线。
• 你体验了如何为回答附上来源、实现流式输出以及异步调用，让 RAG 系统更接近生产形态。

至此，一个完整的、可运行的 RAG 智能问答系统已经在你手中诞生。但它还不完美------也许检索偶尔不准，也许切块的粒度不对，也许面对多轮对话会失忆，也许速度还有优化空间。

下一篇也是本系列的收官之作------《打磨与展望：RAG 的进阶技巧与避坑指南》。我们将直面这些现实问题，讨论检索精度调优、对话历史集成、数据持久化策略，并展望更复杂的 Agent 和工具生态。所有的"最后一公里"，都将在那里打通。