向量检索服务 Milvus 版：通过阿里云Milvus知识库搭建企业制度问答应用

方案说明

整体链路与通过阿里云Milvus知识库搭建智能客服问答应用完全一致：控制台定义标签 → 按标签批量导入资料 → 发布版本 → SDK 检索（可按标签过滤）→ 大模型生成带来源标注的回答 → Flask 提供问答页面。工程代码（kb_client.py、upload.py、app.py、templates/index.html、start.sh）请直接复用该文，本文只说明制度场景需要改动的部分：部门标签体系、检索参数、制度助手提示词，以及制度版本管理。

建议第一版只选择一个部门的 5~20 篇资料，验证后再扩大范围。整体耗时约 20~30 分钟。

前提条件

• 已创建知识库并记录知识库 ID（形如 kd-803ae9b10cc31）。

• 已使用主账号创建 RAM 用户、勾选使用永久 AccessKey 访问，并授予系统策略 AliyunMilvusFullAccess。

• 已准备支持 OpenAI chat/completions 协议的大模型地址与 API Key。

• 本地已安装 Python 3.8 或以上版本，并已按上文教程建好工程目录。

步骤一：定义部门与制度标签

在知识库详情页的基本信息下方单击标签 > 管理，添加以下三个标签（类型均为 string）：

标签值支持中文，可直接使用部门与制度类型的中文名称。

步骤二：整理制度资料与导入清单

1. 按部门整理资料，放入 documents/ 目录。文件名建议包含制度名称与版本或生效日期，便于在回答的来源区中识别。

2. 创建 documents.jsonl，为每篇资料标注部门、类型与生效日期。

   {"path": "documents/finance-travel.md", "metadata": {"department": "财务部", "docType": "制度", "effectiveDate": "2026-01-01"}}
   {"path": "documents/finance-reimbursement.md", "metadata": {"department": "财务部", "docType": "流程", "effectiveDate": "2026-02-01"}}
   {"path": "documents/hr-leave.md", "metadata": {"department": "行政部", "docType": "制度", "effectiveDate": "2026-01-01"}}
   {"path": "documents/it-troubleshoot.md", "metadata": {"department": "IT部", "docType": "流程", "effectiveDate": "2026-03-01"}}

   说明

   制度类资料建议在正文开头写明生效日期与制度负责人，并在旧版本正文中标注"已被 X 版替代"。大模型默认只能看到检索片段的正文内容，effectiveDate 标签不会自动进入提示词，需要按步骤四改写后才会带上。

3. 制度资料多为短条目，可在知识库详情页的处理策略中单击创建策略调整切片粒度。最大分段长度的单位是字符（默认 512），建议设置为 580~770 字符（约相当于 384~512 tokens），尽量让一个流程步骤保持完整。

步骤三：配置检索参数与提示词

在 config.json 中按制度场景调整 retrieval 与 scenario。

{
  "retrieval": {
    "page_size": 6,
    "candidate_count": 48,
    "min_score": 0.35,
    "semantic_weight": 0.6,
    "enable_query_expansion": true,
    "rerank_model_name": "",
    "tag_filter": {
      "relation": "and",
      "conditions": []
    }
  },
  "scenario": {
    "title": "企业制度与流程问答",
    "system_prompt": "你是企业内部制度助手。只根据检索到的已发布制度回答；把流程整理成步骤，注明适用条件和所需材料，并标注[来源N]；资料冲突或不足时明确提示联系制度负责人。",
    "image_enabled": false,
    "sample_questions": [
      "差旅报销需要提交哪些材料？",
      "请假超过三天需要谁审批？",
      "电脑无法联网时应该走什么报障流程？"
    ]
  }
}

参数说明：

• min_score：没有跨语料通用的推荐值，必须用真实问题按自己的语料校准。推荐做法是先设 min_score=0 取回一批结果并人工标注相关性，再按召回与误召回的分布选阈值；更换语料、切换重排模型或调整 semantic_weight 后都需要重新校准。本文语料实测：取 0.2 时与问题完全不相关的制度（0.36~0.43 分）也会进入大模型上下文，既增加开销也提高误答风险；调到 0.35 后这些结果被过滤掉。

• semantic_weight=0.6：制度提问常混合专有名词与口语表达，语义与关键词兼顾。

  该参数是最终分数的加权系数，计算方式为 score ≈ (1-semantic_weight) × keywordScore + semantic_weight × semanticScore（另可能叠加 rank feature），min_score 在这个最终分数上做后置过滤。

  未启用重排时 semanticScore 是向量相似度，启用重排后是重排模型分数，两者量纲不同，因此调整权重或开关重排后必须结合 scoreDetails 重新校准阈值；调低权重并不必然压低总分，只有当本批 semanticScore 高于 keywordScore 时才会下降。

• tag_filter.conditions 默认留空，即检索全部部门。仅当希望把某个入口限定在单一部门时才配置过滤条件，详见步骤五。

步骤四：让回答带上部门与生效日期

制度问答需要判断"哪一版有效、适用于哪个部门"，因此要把标签值一并拼进大模型上下文。检索结果中的 tags 字段不会返回你写入的标签值：该字段取自服务内部的 chunk 标签增强特征，与 AddDocuments 写入的 MetaFields 是两个不同的字段，也没有请求参数可以开启返回，因此它为空不代表上传失败或标签丢失。标签值需要在客户端自行维护映射：按检索结果的 documentId 关联本地导入清单或业务侧元数据后，再拼进大模型上下文。

在 app.py 中 app = Flask(__name__) 之后加入映射：

META_BY_NAME: dict[str, dict[str, Any]] = {}
_manifest = Path("documents.jsonl")
if _manifest.is_file():
    for _line in _manifest.read_text(encoding="utf-8").splitlines():
        if _line.strip():
            _entry = json.loads(_line)
            META_BY_NAME[Path(str(_entry["path"])).name] = _entry.get("metadata") or {}

再改写 llm_answer()，在拼接上下文时带上标签值，并在提问中告知当前日期：

def llm_answer(question: str, results: list[dict[str, Any]]) -> str:
    if not LLM.get("enabled", True):
        return "大模型未启用；请查看下方检索结果。"
    if not results:
        return "现有制度资料中没有相关规定，请联系对应制度负责人确认。"
    blocks = []
    for index, item in enumerate(results, 1):
        title = field(item, "documentName", "DocumentName")
        meta = META_BY_NAME.get(title) or {}
        label = "、".join(f"{key}={value}" for key, value in meta.items())
        header = f"[来源{index}] {title}" + (f"（{label}）" if label else "")
        blocks.append(f"{header}\n{field(item, 'content', 'Content')}")
    context = "\n\n".join(blocks)
    today = datetime.date.today().isoformat()
    url = str(LLM["base_url"]).rstrip("/") + "/chat/completions"
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {LLM['api_key']}"},
        json={
            "model": LLM["model"],
            "temperature": 0.1,
            "messages": [
                {"role": "system", "content": SCENARIO.get("system_prompt", "只依据资料回答。")},
                {"role": "user", "content": f"当前日期：{today}\n问题：{question}\n\n检索资料：\n{context}"},
            ],
        },
        timeout=90,
    )
    response.raise_for_status()
    return response.json()["choices"][0]["message"]["content"].strip()

文件头部需补充 import datetime。

步骤五：按部门限定检索范围

需要为某个部门单独提供入口时，配置对应过滤条件：

"tag_filter": {
  "relation": "and",
  "conditions": [
    {"field": "department", "op": "=", "value": "财务部"}
  ]
}

也可以组合多个条件，例如只查财务部的流程类资料：

"conditions": [
  {"field": "department", "op": "=", "value": "财务部"},
  {"field": "docType", "op": "=", "value": "流程"}
]

步骤六：上传、发布与验证

1. 上传资料（MetaFields 对整批生效，脚本会先按标签分组再分批提交）。

   python upload.py --manifest documents.jsonl

2. 到控制台数据管理页确认资料状态为处理完成、标签列显示写入的标签（如 docType=流程, department=IT部 +1）。

3. 在版本管理页单击发布版本，完成三步向导后确认新版本状态为已发布。

   重要

   默认同时最多只能存在 3 个已发布版本，该上限按租户计算，不随实例 CU 规格提升。达到上限后发布版本按钮会置灰，此时页面仍会显示"当前有 N 条待发布变更"，需要在版本记录中删除不再需要的旧版本后才能继续发布。上限可由服务端调整，但目前没有面向用户的自助配额申请入口，需要提工单评估。版本删除不可恢复，删除后该版本立即不可检索（后台再异步清理数据），因此删除前必须先确认没有应用锁定该版本号，并把仍在使用它的应用切换到新版本。

4. 启动服务并验证。

   python app.py

   curl -sS http://127.0.0.1:7860/api/ask \
     -H 'Content-Type: application/json' \
     -d '{"question":"差旅报销需要提交哪些材料？"}'

按以下四条验收：

• 页面能正常打开，提交问题后同时返回答案与检索来源。

• 回答中的 [来源N] 能在下方来源区找到对应的制度切片。

• 提问制度未覆盖的事项时，回答明确说明没有相关规定并提示联系制度负责人。

• 制度更新后重新发布版本，页面能检索到新版本内容。

制度场景注意事项

• 第一版只选一个部门，验证检索效果和提示词后再扩大范围。

• 旧版本制度的处理：如需保留历史版本用于追溯，务必在正文标注"已被 X 版替代"，并用 effectiveDate 区分；如无追溯需求，建议在数据管理页删除旧版本后重新发布，避免模型在多版本间摇摆。

• 制度更新后必须重新发布版本，应用使用 LATEST_PUBLISHED 时才会检索到新内容。

• 版本配额只有 3 个：制度类知识库更新频繁，建议只保留"当前生效版本 + 最近一个历史版本"，发布新版本前先清理更早的版本。

• 同名文件重复上传会失败：doc_name_dedup=True 时若整批文件都因同名被去重，接口返回 400 No OSS document can be registered.。更新制度时建议在文件名中带上版本号，或先在控制台删除旧数据。

• 关键制度问答建议保留人工兜底入口，并提示员工以正式发布的制度文件为准。

常见问题