RAG 入门指南：无需 PhD 的检索增强生成实战

RAG 是一种将大语言模型（LLM）与嵌入式文本块的向量存储相结合的技术，在查询时从外部知识库中检索相关上下文。实际流程是：用户输入 prompt 后，先从外部知识库中拉取最相关的段落，再让模型基于这些段落生成回答。这一机制意义重大——它能显著减少幻觉、无需昂贵的微调即可保持模型知识更新，还可以通过一次 API 调用回答领域相关问题。

预计构建时间：最小可验证原型 2-3 小时，生产级 pipeline （含监控）1-2 天。

准备文档语料

将所有文本文件（PDF、markdown、HTML）放入 ./docs 文件夹。使用简单的 Python 脚本（或 n8n 的 "Read Binary File" 节点）提取原始文本。

对文本进行分块

将每个文档拆分为约 200 token 的块，以保持在 LLM 的上下文窗口限制内。在 n8n 中，添加一个 Function 节点，运行 JavaScript：

// This node receives `content` as a string and returns an array of chunks
const maxTokens = 200;
const words = $json["content"].split(/\s+/);
const chunks = [];
for (let i = 0; i < words.length; i += maxTokens) {
 chunks.push(words.slice(i, i + maxTokens).join(' '));
}
return [{ json: { chunks } }];

为每个块创建嵌入向量

添加一个 HTTP Request 节点，调用 OpenAI 的 embedding 端点。

{
"method": "POST",
"url": "https://api.openai.com/v1/embeddings",
"headers": {
"Authorization": "Bearer {{ $env.OPENAI_API_KEY }}",
"Content-Type": "application/json"
},
"body": {
"model": "text-embedding-ada-002",
"input": "{{$json.chunk}}"
},
"responseFormat": "json"
}

作用：将每个 200 token 的块发送给 OpenAI，获取一个 1536 维向量。

将嵌入向量存储到 Pinecone

使用另一个 HTTP Request 节点，指向 Pinecone 的 upsert 端点（https://{index}.svc.{region}.pinecone.io/vectors/upsert）。Payload 示例：

{
"vectors": [
{
"id": "doc-{{ $json.docId }}-{{ $json.chunkIdx }}",
"values": {{ $json.response.data[0].embedding }},
"metadata": { "text": "{{ $json.chunk }}" }
}
]
}

构建检索增强查询工作流

触发器：HTTP Webhook 节点（暴露 /query 端点）。

步骤 A - 对用户查询进行嵌入：与步骤 3 相同的 HTTP Request 节点，但输入为用户的 prompt。

步骤 B - 检索 top-k 个相似块：向 Pinecone 的查询端点发送 HTTP 请求，请求 topK=5。

{
"method": "POST",
"url": "https://{index}.svc.{region}.pinecone.io/query",
"headers": {
"Authorization": "Bearer {{ $env.PINECONE_API_KEY }}",
"Content-Type": "application/json"
},
"body": {
"vector": {{ $json.response.data[0].embedding }},
"topK": 5,
"includeMetadata": true
},
"responseFormat": "json"
}

作用：根据用户的问题找到五个最相关的文档块。

为 LLM 组合最终 prompt

使用 Set 节点将检索到的文本拼接成系统 prompt：

You are an assistant that answers using only the provided context. Context:
{{ $json.results.map(r => r.metadata.text).join('\n---\n') }}

Question: {{ $json.question }}

调用 LLM

添加一个 HTTP Request 节点，向 OpenAI 的 chat completion 端点（https://api.openai.com/v1/chat/completions）发送请求。

{
"method": "POST",
"url": "https://api.openai.com/v1/chat/completions",
"headers": {
"Authorization": "Bearer {{ $env.OPENAI_API_KEY }}",
"Content-Type": "application/json"
},
"body": {
"model": "gpt-4",
"messages": [
{ "role": "system", "content": "{{ $json.composedPrompt }}" }
],
"temperature": 0.2,
"max_tokens": 500
},
"responseFormat": "json"
}

返回答案

将响应连接到 Webhook 节点的返回 JSON：

{
"answer": "{{ $json.choices[0].message.content }}",
"sources": {{ $json.results.map(r => r.id) }}
}

部署与测试

本地运行工作流（docker compose up -d n8n）或使用 n8n Cloud。

向 https://your-n8n-instance.com/webhook/query POST 一个 JSON payload：{"question":"What is rag ai?"}。

验证回答是否引用了检索到的块（sources 数组）。

结果：你现在拥有一个可用的端点，可以通过基于自有知识库的内容来回答 "what is rag ai"（或任何领域问题），显著减少幻觉。

关键事实：RAG 不会完全消除幻觉，但当检索到的上下文质量较高时，可以减少约 30-40% 的幻觉（见 OpenAI 最佳实践指南）。

更深入的技术参考见 n8n 的文档。

用通俗的话解释，什么是 RAG AI？

RAG（检索增强生成）是一种方法：先从向量数据库中查找相关的文本片段，然后将那些片段输入 LLM，使回答锚定在真实内容上。

分块如何影响检索质量？

分块创建了大小均匀的片段，能够适配 LLM 的上下文窗口。更小、定义更明确的块能提升相似度匹配效果，因为每个向量代表一个连贯的思想，减少了 top-k 结果中的噪音。

可以用自托管向量存储替代 Pinecone 吗？

可以。Weaviate、Milvus 或 Qdrant 等开源方案可以在 Docker 中免费运行。将 Pinecone HTTP 节点替换为你所选数据库的等价端点即可，其余工作流完全相同。

RAG 适用于任何 LLM，不只是 OpenAI 的模型吗？

理论上，任何接受 prompt 的模型都可以使用。只需一个与向量存储兼容的嵌入模型（如 Cohere、HuggingFace 的 sentence-transformers），并调整 chat-completion 请求格式。

如何防止系统泄露专有数据？

将嵌入向量存储在私有 VPC 隔离的 Pinecone 索引中，或防火墙后的自托管向量 DB 中。确保 webhook 进行了身份验证（API key 或 OAuth），并定期审计查询日志。

在哪里可以获得更多构建 RAG pipeline 的帮助？

查看 RAG Support Agent 获取现成的 n8n 模板和分步指南，或领取免费指南深入了解高级分块策略和监控实践。

准备好上线生产级 RAG 服务了吗？从 RAG Support Agent 获取模板，立即开始扩展。

24/7 AI Support Agent (RAG)

How to automate lead generation with AI: Build a lead-enrichment pipeline that writes your icebreaker

How to automate customer support with AI: Build a RAG-powered chatbot that knows when to escalate