一個 0.7 與 0.3 的權重，先被寫進了公式：私有化 RAG 知識庫「辭溯」，是一套被設計過的可信介面

2026 年 9 月 25 日，開發者「碼農悟道」在掘金發布了一篇長文，記錄自己耗時兩週、從零搭建私有化企業 RAG 知識庫的完整架構與踩坑過程。專案代號「辭溯」，技術堆疊是 FastAPI、LangGraph 與 PGVector。對設計觀察而言，這篇文章值得停下來看的，並不在程式本身，而在幾組被明確寫出來的數字與流程：它們構成了一套關於「可信」的介面設計。

先從一條公式看起

整套系統裡最值得讀的一個細節，是檢索環節的加權融合：最終分數等於向量語意分數乘以 0.7，加上關鍵字精準分數乘以 0.3。這條公式回應的是企業檢索的兩種痛：純向量檢索看得懂自然語言，卻容易漏掉制度編號、條款術語這類硬關鍵字；純關鍵字檢索則相反，匹配精準卻讀不懂人的問法。0.7 與 0.3 的分配，等於明確表態：語意優先，但留三成給那些一字不能錯的東西。

這是一種典型的設計取捨被寫成算式的案例。多數開源 RAG 方案在這裡選了預設值、藏進配置檔，「辭溯」把它攤在文章正文裡，讓權重本身成為可被討論的介面。跟市面上常見的 Demo 相比，差別就在於：一個把決策藏起來，一個把決策亮出來。

溯源是被綁定的，不是被附加的

作者對主流開源方案的批評集中在四點：召回不準、缺少文件溯源、缺少後臺管理、二次改造成本高。其中「溯源」這一項，在產品裡被做成了強制綁定：每一段回答都對應文件來源、原文切片與相關度評分；當知識庫裡沒有對應資訊時，系統如實回覆「暫無相關依據」，而不是讓模型自行編一段通順的話。

前端同時採用流式逐字返回，作者形容其體驗「對標主流商用 AI 產品」。這裡有一個值得注意的張力：逐字輸出是當代 AI 產品最討喜的表演，而溯源與拒答是對這種表演的約束。「辭溯」把兩者放在同一條鏈路裡，流式的順滑負責體驗，強制溯源負責可信。這與我們先前討論過的AI 補全式的答案設計形成對照：一份太完整、太流暢的答案，恰恰是可信度最需要被設計介入的地方。

文件的狀態，先於檢索存在

另一處被認真設計的是文件生命週期：批次上傳、格式校驗、解析處理、草稿留存、審核發布、上線檢索問答，六個狀態一路走完，只有「發布」狀態的文件才進入檢索鏈路，草稿僅內部可見。支援 PDF、DOCX、TXT、Markdown，單次批次上傳上限 20 份。作者點出，很多 RAG 系統文件一上傳就直接可被檢索，在企業場景裡是合規風險。

換句話說，這是一套把「企業流程」翻譯成「狀態機」的設計。草稿與發布之間那道閘門，做的其實是內容治理：誰的文件、經過誰看過、才輪到機器拿去回答問題。登入頁同樣呼應這個取向，作者形容為「商務極簡風格」，主打「知識沉澱、精準檢索、有據可依」三組詞，從入口就排除匿名存取。

權限下沉，看板收尾

多知識庫隔離是整套系統自稱的核心企業能力：技術文件庫、行政制度庫、業務流程庫、新人培訓庫各自獨立，資料、權限、成員互不混雜。權限採雙層設計，系統層分超級管理員與普通用戶，知識庫層分所有者、編輯者、查看者，且鑑權全部下沉到後端，前端不承擔任何權限判斷。這是老派但正確的架構判斷：介面上看起來能做的事，若後端沒攔住，就等於沒攔。

最後是營運看板：文件總量、累計問答、七天趨勢、熱門問題排行、點讚點踩回饋。作者的想法很直白，一次性導入文件只是起點，長期營運才是難點，高頻問題回頭補文件，問答效果差的場景回頭調檢索策略。

收在一個判斷上

「辭溯」的價值，在於它把企業 AI 問答最容易被忽略的三件事做成了顯性的介面元素：檢索權重是寫出來的公式，溯源是綁在答案上的附件，合規是文件狀態機裡的一道閘。多數 RAG 產品追求回答得漂亮，這套兩週的自建系統追求的是回答得有據。0.7 與 0.3 或許未來會被調整，但把取捨攤開來寫的做法，本身就是一種值得參考的介面設計。