練習 4：完整 RAG 流水線¶
對應 Stage 6 — Memory & RAG 練習 4。
🎓 學習模式：這份
starter.py是完整解答、不是 TODO skeleton。建議用主動模式——mv starter.py starter_reference.py、看 signature 不看 body、自己重寫一份starter.py、跑python test.py驗證；卡 20 分鐘再回去對照 reference。完整方法論看docs/HOW_TO_USE.md。📚 想要 chapter-length 深入版？ 本 folder 的 starter 是 illustrative 版、聚焦核心 pattern + 兩條 SDK path，不是進階深度教材。深度教材推薦： -
datawhalechina/hello-agents⭐ 中文圈最完整、章節式 + 16 種 production 能力。本練習對應 hello-agents 的 完整 RAG 流水線章節 - LlamaIndex RAG tutorial + LangChain RAG cookbook - 完整 references 見 Stage 6 精選 Projects
任務¶
把練習 1-3 串起來：
doc → chunk_doc → embed → ChromaDB → top_k retrieve → LLM 生答案
範例 KB 是公司 onboarding 文件、4 個 section（vacation / remote / expenses / tech stack）。
怎麼跑 — 兩條路徑¶
Path A（默認、本機免費）¶
pip install -r requirements.txt
ollama pull qwen2.5:3b
ollama serve
python starter.py
預算：$0。
Path B（Anthropic、想看 cloud 答案質量）¶
pip install -r requirements.txt
export ANTHROPIC_API_KEY=sk-ant-...
python starter_anthropic.py
預算：每次 ≈ $0.001。
不花錢驗證程式邏輯¶
python test.py # 5 個 test、mock LLM 驗整條 pipeline
python test_anthropic.py # Anthropic mock
test.py 用 mock LLM 跑整個 RAG pipeline（chunking → retrieval → generation）、確認 prompt 真的帶上 context、確認 generate 拿到 retrieval 結果。
RAG 4 個步驟¶
def rag(query, doc):
collection = build_kb(doc) # 1. chunk + embed + index（一次性）
contexts = retrieve(collection, q) # 2. top-k 語意搜
answer = generate(q, contexts) # 3. LLM 看 context 回答
return {"contexts": contexts, "answer": answer}
每一步都有獨立 trade-off：
| 步驟 | 主要 knob | 影響 |
|---|---|---|
| chunk | size / overlap / strategy | retrieval 上限 |
| embed | model 大小 / multilingual | retrieval 精度 |
| retrieve | top_k / metadata filter / reranker | recall vs precision |
| generate | prompt 寫法 / model / temperature | 答案質量 |
Generate prompt 經典 pattern¶
prompt = f"""Answer the user's question based ONLY on the context below.
If the context doesn't contain the answer, say "I don't have that information".
Context:
{context_text}
Question: {query}
Answer:"""
3 個關鍵 instruction：
1. based ONLY on context — 防 hallucinate
2. if doesn't contain → say so — 給 LLM 退路、不強答
3. Context + Question 順序固定 — 模型訓練偏好這個 layout
兩個 path 觀察重點¶
| 觀察項 | Anthropic Claude haiku | Ollama qwen2.5:3b |
|---|---|---|
| 答案 grounding | 穩（緊扣 context） | 偶爾發散、用知識補答 |
| "I don't have that info" 機率 | 高（守規則） | 低（強答） |
| 答案 fluency | 高 | 中 |
| 多 context 整合 | 好 | 偶爾只看第一個 |
| 速度 | 1-3 秒 | 5-15 秒（CPU） |
| 成本 | $0.001 | $0 |
production 觀察：RAG 質量 = retrieval quality × generation quality。retrieval 漏 = LLM 無中生有；retrieval 對但 LLM 弱 = 答案不準。Stage 7 production 通常 retrieval 走本機 / 中模型、generation 用 Claude / GPT。
常見坑¶
- prompt 沒講「only based on context」：LLM 會自由發揮、用訓練資料補答、不可控
top_k設太大：context 太長、LLM 注意力分散、可能答錯top_k設太小：context 漏關鍵段、LLM 無法答- prompt 把 context 放後面：LLM 較重視 prompt 開頭、context 應該在 question 之前
- 沒驗證「答錯就 say I don't know」：production 加 5-10 個「答不出來該說 unknown」的 eval case
想看實際在 production 跑的 RAG？¶
- Persistent ChromaDB：
chromadb.PersistentClient(path=...)不重新 index - Reranker：retrieve top-20、cross-encoder rerank、留 top-3
- Citation：prompt 改成「cite which context section you used」、LLM 標 [chunk_0]
- Streaming：
client.chat.completions.create(stream=True)邊跑邊印 - 接 LangGraph：把 retrieve → generate 變 graph node、加 fallback path
延伸¶
- 加 query rewriting：先讓 LLM 把 user query 改寫成更適合 retrieval 的版本（HyDE pattern）
- Multi-hop RAG：第一輪 retrieve 拿到部分答案、用部分答案再 retrieve 補完整
- 接練習 5 long-term memory：對話 history 也丟進 vector store、跨輪對話記住事情