RAG上线就完事？持续优化才是关键

RAG 持续优化是建立「监控→评估→优化→部署」的持续闭环，让 RAG 系统在生产环境中不断进化。上线不是终点，知识库内容在变、用户查询模式在变、模型版本在变，不做持续优化，系统质量会持续退化。上线不是终点RAG 系统上线不是终点，只是起点。知识库内容在持续更新，用户查询模式在不断变化，模型版本也在迭代升级。这三个变量都在动态变化，不做持续优化，系统质量会持续退化。某企业 RAG 系统上线 3 个月后，用户满意度从 85% 降到 58%。根因是什么？3 个月内新增了 2000 篇文档，但没有优化切片策略。新的文档格式、新的术语、新的业务流程，原有的检索策略越来越不适应。这还不是最糟的。用户查询模式也在变——早期用户问的是「如何退货」，现在问的是「怎么处理跨境退款」。新的查询类型，知识库里可能根本没有对应内容。模型版本在升级——从 GPT-3.5 到 GPT-4，提示词可能需要调整，上下文窗口可能需要重新分配。持续优化就是建立「监控→评估→优化→部署」的持续闭环，让 RAG 系统在生产环境中不断进化。不是上线就完事，而是持续监控、持续评估、持续优化、持续部署。核心概念：RAGOps + 反馈闭环 + 渐进式发布RAG 持续优化的核心是三个概念。RAGOps 是将 DevOps 扩展为专门管理 RAG 系统的运维体系，核心是管理外部数据源的持续变化。不仅监控模型性能，还要监控知识库内容质量。传统的 DevOps 关注代码和基础设施，RAGOps 还要关注数据。知识库是活的——文档在增加、在更新、在过期。需要监控知识库的覆盖率、新鲜度、质量。如果知识库里有很多过期内