简介:本文系统定义"检索增强生成(RAG)知识库问答"这一技术方案,剖析两类主流开源框架的能力差异:一类擅长工作流编排与多模型协作,另一类擅长复杂文档的深度解析。文章进一步说明如何通过API将二者集成形成混合架构,并给出容器化部署时的端口配置注意事项,帮助技术选型者建立清晰的决策框架。
企业级知识库问答,是指将企业内部的文档、手册、制度、合同、报表等非结构化数据,通过”检索增强生成”(Retrieval-Augmented Generation,简称 RAG)技术接入大语言模型,使员工能够以自然语言提问并获得基于企业私有知识的准确回答的系统方案。
与直接使用通用大模型相比,RAG 知识库问答解决了三个核心问题:一是知识时效性,企业最新的制度和业务文档无需重新训练模型即可被模型”掌握”;二是数据私有性,知识以检索方式注入提示词,避免了将数据用于模型训练;三是回答可追溯,系统可以标注回答所依据的原文出处,降低”幻觉”带来的业务风险。
在工程实现层面,一个完整的企业级 RAG 系统通常包含四个环节:文档接入与解析、知识切分与向量化、检索与重排序、上下文注入与生成。本文讨论的核心,正是支撑这四个环节中不同侧重点的两类开源框架如何选择与组合的问题。
在企业落地的技术选型中,经常会被问到这样一个问题:市面上开源的 RAG 框架种类繁多,应该选哪个?从能力画像上看,可以将其抽象为两类典型定位。
这类框架的核心优势在于”应用编排”。其特点包括:
其相对短板在于:对复杂文档(如扫描件、多栏排版、嵌套表格)的解析能力较弱,文档处理的精细化程度有限。
这类框架的核心优势在于”文档理解”。其特点包括:
其相对短板在于:应用编排和流程治理能力较弱,跨知识库的自动路由检索能力缺失,不适合单独承载复杂的业务流程型应用。
理解了上面的能力分野后,答案就清晰了:框架选型并非非此即彼。业界实践中的主流做法是以编排型框架为主框架,通过 API 调用解析型框架的知识库能力,形成混合架构。
需要说明的是,这一组合并非唯一方案。根据具体业务场景,还可以在链路中引入更多通用组件,例如专门负责知识索引构建的检索框架、轻量级的图结构检索方案等,构建多引擎协作的知识库体系。
整体调用链路可以抽象为以下流程:
用户提问│▼[编排框架] 意图识别 / 工作流路由│▼(HTTP API 调用)[解析框架] 知识库检索 → 召回相关片段│▼[编排框架] 拼装提示词 → 调用大模型生成回答│▼返回答案(附引用来源)
在这一链路中,编排框架对外提供统一入口,解析框架以”知识检索服务”的角色对内提供能力,二者职责单一、边界清晰,也便于独立扩容与运维。
两个框架的官方推荐部署方式均为容器化部署。当在同一台宿主机上同时运行两者时,必须注意端口冲突问题。
在容器编排的端口映射配置中,映射格式为 宿主机端口:容器端口。例如:
ports:- "80:80" # 宿主机80端口 → 容器80端口- "443:443" # 宿主机443端口 → 容器443端口
其中容器内部的端口通常是固定的:容器内 80 端口处理 HTTP 请求,443 端口处理 HTTPS 请求,这是由镜像内部的服务配置决定的。
当两个框架部署在同一宿主机时,默认都尝试占用宿主机的 80/443 端口,必然产生冲突。正确的做法是:
8080:80、8443:443 或其他空闲端口;http://宿主机地址:8080 的形式调用解析框架的 API;这一原则同样适用于任何多服务共存于同一宿主机的场景:容器内部端口是服务的”私有约定”,宿主机端口是”对外出口”,调整冲突时只动出口、不动内部,可以最大限度避免修改镜像内部配置带来的额外复杂度。
可以按以下问题依次判断:
企业级知识库问答不是一个单一工具问题,而是一套”文档解析—知识检索—流程编排—生成回答”的体系工程。编排型框架强在应用构建与流程治理,解析型框架强在文档理解与检索质量;通过 API 集成形成的混合架构,是当前平衡两者优势、兼顾灵活性与可扩展性的主流实践。在落地过程中,还需关注容器端口冲突、数据安全、知识运营与性能容量等工程细节,才能让知识库问答真正稳定地服务于企业业务。