基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-17 14:56

两个真实 RAG 项目的检索与转人工实践

dev.to · AI#RAG#检索#人机协作
Editor brief · 编辑速览

文章复盘文化媒体档案与社区教育公益机构的两个 RAG 助手项目,讨论不同内容、用户需求和风险下的检索设计。重点包括依据机构资料回答、提供来源链接,以及需要时转交人工。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

给旧网站加一个 AI 聊天窗口,难点不只在模型怎么回答,还在它能找到什么、凭什么回答,以及答不上来时把用户交给谁。作者用黎巴嫩文化档案 HOMELand 和都柏林社区公益机构 CASPR 两个项目,讨论了这些更贴近上线的问题。

两个项目的共同结论是:先让回答有依据,再考虑让模型更聪明。不过,原文提供的是项目经验,没有检索准确率、人工咨询减少量或模型对照实验,效果需要分开看。

同样是问答,找文章和找服务差在哪里

HOMELand 自 2014 年开始出版,前身是 HOME Magazine,内容围绕黎巴嫩及其海外社群展开。档案有七个内容栏目:THEdiaspora、THEland、THEpeople、THEculture、THEdiplomacy、THEfuture 和 THEgood,还包括国家页面、访谈、作者资料和视频。

读者往往带着明确线索来:某个人、某个村庄、某个家族,或者发生在某个国家的故事。关键词搜索找不到,访问也就结束了。

他们团队做的 Jeddo 是一个基于档案回答的 AI 向导。它用日常语言组织答案,并链接到支撑回答的文章或期刊;聊天组件可以从网站任意页面打开。

HOMELand 档案问答向导 Jeddo

CASPR 的需求则偏向服务咨询。这家 Community After Schools Project 自 1995 年服务于都柏林东北内城区,目标是缓解社区的教育弱势。

它在三个地点为五所本地学校的 150 名小学生提供课后项目,通过 Community Employment 为 36 名本地居民提供带有 QQI 认证的儿童照护培训和 ECDL 培训,还与社区及公共机构协作为高风险儿童制定照护计划,并持续招募志愿者、募集捐款。

家长、志愿者和资助方反复提出相似问题,工作人员只能在活动间隙回答。聊天助手依据机构的服务、项目和已发布资料,帮助访客先找到合适的服务。

CASPR 面向家长和志愿者的咨询助手

两种需求对检索提出了不同要求。档案读者提供的是人名、地名等明确实体;服务访客可能只描述自己的困难,连服务名称都不知道。检索必须接住用户的表达方式,不能只匹配网站自己的用词。

为什么先设计「不知道」,再调整提示词

RAG,即检索增强生成,可以理解为先从已有资料中找依据,再让模型组织回答。作者强调的重点不是接入了什么模型,而是限制回答范围,并把来源展示出来。

在档案场景里,来源链接让读者继续阅读原始文章;在服务场景里,资料依据帮助用户判断回答是否可信。作者认为,这比调整提示词更有助于建立信任,并提出「资料约束胜过更大的模型」。

这个方向有道理,但原文没有给出模型名称、检索方案或实验结果,不能据此认定换模型没有价值。

另一个更实际的建议是先设计兜底:没有可靠资料时怎么说明,什么时候应该转交人工,以及用户接下来如何联系工作人员。尤其是公益服务,编出一个看似合理的答案,可能比承认不知道更耽误事。

原文强调了人工接手的重要性,却没说明转接的触发条件、具体渠道,以及对话上下文是否会传给工作人员。这些仍然需要实施团队补齐。

部署方面,他们团队将聊天机器人作为独立服务运行,再通过组件嵌入现有 WordPress 网站。对维护存量网站的前端和全栈团队,这是可以参考的接入方式:网站负责入口,问答服务单独维护。至于身份认证、内容更新和运行成本,原文没有展开。

我的判断

我认同这篇文章的优先级:回答依据、检索适配和人工兜底,应该在上线前想清楚。一个能流畅聊天的组件,不等于一个能可靠解决问题的入口。

但它更像项目展示,尚不足以证明效果。作者称深层档案变得容易触达、重复咨询能即时处理、工作人员可以把时间还给孩子,却没有提供访问数据、节省工时或用户反馈。这些应当视为作者报告的收益,不能当作经过量化验证的结论。

和站内搜索、FAQ 相比,对话入口适合帮助用户整理模糊需求;对于已经知道标题、服务名称的人,直接搜索或清晰导航也可能更快。原文没有提供这些方案的对照。

还有一个边界:展示来源并不保证答案忠实于来源。上线时既要检查有没有引用,也要检查引用能不能支撑回答。

能拿来做什么

  • 给内容站接入 AI 问答前,先收集真实的人名、地名和口语化问题,用它们检查检索是否能找到对应资料,别只用文章标题做演示。
  • 在前端组件中同时设计答案、来源入口和无法回答时的下一步,让用户能继续阅读,或者找到人工联系方式。
  • 维护 WordPress 等存量网站时,可以参考独立问答服务加嵌入组件的方式,并明确谁负责同步内容、更新服务信息。
  • 评估试点时,分别记录检索是否命中、答案是否有依据、用户是否还需人工帮助,再判断它是否真的减少了重复工作。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
一份配置生成三种编程助手子代理
下一篇
业务 Agent 如何建立评测改进闭环

资讯速览

dev.to · AI · 2026-11-17 14:56

AI 评分 8.0 / 10

相关标签

#RAG#检索#人机协作

继续阅读

  • 测试结果统计遗漏如何制造全绿假象
  • 一份配置生成三种编程助手子代理
  • 业务 Agent 如何建立评测改进闭环
  • RAG 引用之外,还要追踪证据版本
  • 让编程智能体跨会话保留项目经验