前言各位小伙伴大家好「软件聚导航 AI 助手」今天完成了一次重要升级--接入RAG检索增强生成让它开始真正认识「软件聚导航」本身。过去回答依赖 AI 自身知识现在会先从软件聚导航的数据库中检索相关内容再生成回答。关于我我的故事开始于2023 年那时候的我很简单只是一个普通的 AI 问答助手依靠 AI 自身的知识来回答问题。如果你感兴趣也可以看看 3 年前的我去了解 3 年前的我而这一次我接入了一个特别的能力-RAG从这一刻起我终于开始真正认识「软件聚导航」了。现在我会先从「软件聚导航」的数据库中寻找相关内容再经过意图识别、关键词扩展、多路召回、相关度重排筛选出最相关的文章最后交给 AI 组织生成答案。也就是说我不只是“会聊天”了。我开始读懂软件聚导航过去留下的内容。RAG检索配置: 用于控制检索质量和 AI 上下文大小的平衡。具体数值根据实际情况设定。/** * * RAG检索配置 * */ private $SEARCH_CONFIG [ // 第一阶段召回先从数据库里粗筛出 80 篇候选文章 candidate_limit 80, // 默认最终从 80 篇里精选出 6 篇交给 AI default_top_k 6, // 给 AI 的文章数量上限是 8 篇 max_top_k 8, // 每篇文章给 AI 的正文最大长度 content_preview_length 4000, // 软件推荐最多给 AI 6 篇 software_top_k 6, // 普通问题最多给 AI 6 篇 normal_top_k 6, ];架构流程举个列子比如你问我“这个博客有什么软件推荐一下”我会判断用户的意图是什么经过意图识别后我会把这个问题理解为软件推荐然后扩展出“软件、工具、神器、开源、免费、效率”等关键词从数据库中召回候选文章再根据标题、摘要、标签、正文、热度等综合排序选出最相关的 6 篇交给 AI 生成回答。下图为测试效果。测试一些比较泛的问题比如我问软件聚导航博主是一个什么样的人这个问题其实并没有一个固定答案数据库里也没有一篇文章直接写着软件聚导航博主是一个什么样的人。那怎么办我让RAG 去检索数据库中与博主、软件聚导航、技术、生活、思考等相关的文章。然后把这些内容交给大模型让它从大量文章中进行归纳和分析。最终它可以根据这些已经存在的内容尝试总结出这个博客的主人是一个什么样的人。这也是我觉得这次升级比较有意思的地方。因为我不是简单地“告诉 AI 一个答案”。而是让 AI从一个人长期留下来的文字中慢慢认识这个人。总结如今AI已不是新鲜事你可能听说过Context、Prompt、LLM、RAG、Function Calling、Skill、MCP、Agent等一系列核心词。本次升级的核心正是利用RAG检索增强生成。我把博客过去积累的文章、软件介绍和各种内容通过 RAG 接入到了 AI 的回答过程中。从此它不再仅凭通用知识作答而是优先从本站内容中寻找答案。这就是这次升级的意义就是:让聚小导读懂自己的主人理解主人留下的每一份内容真正成为属于软件聚导航的AI助手。