SerpBase + RAG 实战：用搜索 API 给知识库接上实时数据，回答不再过期

一、知识库的通病：回答停在训练那天

我给一个内部文档助手做过 RAG，踩过最典型的坑：用户问"我们行业最近的 XX 政策有什么变化"，模型答得头头是道，但引用的是一年前的旧文档。原因不复杂------RAG 的检索范围只有你喂进去的那批本地文档，外面世界变了，知识库根本不知道。

解决办法业内叫"接地"（grounding）：生成之前，先去外部实时搜一把，把最新的搜索结果一起塞进上下文。这篇讲我用 SerpBase（官网 https://serpbase.dev）给 RAG 补实时数据的做法，纯工程视角，代码可以直接改。

二、两种"给模型接搜索"的方式

先摆清楚选择：

让模型读网页：把 URL 抓下来、清洗成文本再喂进去。灵活，但慢、贵，还要处理页面里的广告和导航噪音。
调搜索 API：直接拿结构化的搜索结果（标题、链接、摘要），作为引用来源注入上下文。快，且返回结构统一，好做引用标注。

做内部知识助手，我选了后者------搜索 API 返回的就是"干净的结果列表"，天然适合做引用。SerpBase 的 /google/search 一次调用（1 credit）就返回 organic 数组，每条带 title、link、snippet，正好是 RAG 想要的检索结果。

三、最小接线：搜索 → 拼上下文 → 生成

先写一个检索函数，把查询结果转成带编号的引用片段：

python 复制代码

import requests

def retrieve(query, top_k=5):
    r = requests.post(
        "https://api.serpbase.dev/google/search",
        headers={"X-API-Key": "你的_API_KEY"},
        json={"q": query, "gl": "us", "hl": "en"}
    )
    data = r.json()
    docs = []
    for item in data.get("organic", [])[:top_k]:
        docs.append({
            "title": item["title"],
            "url": item["link"],
            "text": item.get("snippet", "")
        })
    return docs

然后拼成上下文，要求模型只用这些来源回答：

python 复制代码

def build_prompt(question, docs):
    ctx = "\n".join(
        f"[{i+1}] {d['title']}\n{d['text']}\n{d['url']}"
        for i, d in enumerate(docs)
    )
    return (
        f"只根据以下实时搜索结果回答，引用时标注编号：\n\n{ctx}\n\n"
        f"问题：{question}"
    )

把 build_prompt 的输出丢给任意 LLM，回答里就会带上 $1$ $2$ 这样的引用，用户能点回去看原文。这就是 RAG 接实时数据的最小闭环。

四、把它接进现有 RAG 知识库

内部知识库一般已经有一套本地向量检索，我的做法是"本地优先，实时兜底"：

先跑本地检索，如果相似度够高，直接用本地文档回答
本地命中不足（比如问到最新动态、竞品信息），再触发搜索 API 检索
两路结果合并，按来源标注（本地文档 vs 实时来源）

这样既保住了内部文档的私密性，又补上了外部实时数据的短板。

五、几个必须处理的工程细节

第一，搜索结果要"投影"，不能整包塞。 organic 里字段很多，进 prompt 前只留 title/snippet/link，别把整条 JSON 塞进去，token 会爆。

第二，加时效过滤。 SERP 里有的结果是很久以前的，做实时问答要优先取近期的。如果结果里带 date 字段，可以据此排序或过滤。

第三，缓存高频问题。 同一个问题短时间被问多次，缓存检索结果就好，不必每次都调 API。我的缓存键用 (query, gl, hl)，缺一个字段都会串味。

第四，失败要有兜底。 搜索 API 调用失败时，退回到纯本地回答，别让整个问答流程挂掉。响应里的 status 字段（0 为成功）就是判断依据。

六、为什么用搜索 API 而不是自己爬

做 RAG 接地最怕的就是"检索这一步不稳定"。自己爬要维护代理池、处理验证码、解析随时改版的页面结构；搜索 API 把这一步变成一次 POST，返回结构化 JSON，还带 credits_charged 能对账成本。对个人开发者和小团队来说，省下来的维护时间远比那点调用费值钱。

SerpBase 新账户有 100 次免费搜索、不绑卡，拿这个额度足够把上面的检索链路完整跑通一遍，验证效果后再决定要不要上生产。

七、行动清单

先用 retrieve() 跑通一个查询，看返回结构符不符合你的引用格式
写 build_prompt()，让模型只依据搜索结果回答
接进现有 RAG，做"本地优先 + 实时兜底"
加字段投影、时效过滤、缓存和失败兜底
用免费额度评估召回和延迟是否达标

RAG 的短板往往不在模型，在检索的覆盖面。给它接上实时搜索，很多"答得不对"的问题会自然消失。