RAG（Retrieval-Augmented Generation，检索增强生成）技术通过从外部知识库检索相关信息，并将其与用户输入合并后传入大语言模型（LLM），从而增强模型在私有领域知识问答方面的能力。EAS提供场景化部署方式，能快速构建与部署RAG对话系统，并支持灵活选择大语言模型和向量检索库。本文为您介绍如何部署RAG对话系统服务以及如何进行模型推理验证。
本文适用于RAG版本0.3.4和0.3.5，推荐使用最新版本。
步骤一：部署RAG服务
登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。
在推理服务页签，单击部署服务，然后在场景化模型部署区域，单击大模型RAG对话系统部署。
在部署大模型RAG对话系统页面，配置如下关键参数：
版本选择：RAG服务支持两种部署模式，根据应用场景和资源规划进行选择。
LLM一体化部署：将RAG服务与大语言模型（如Qwen）部署在同一个EAS服务实例中。此模式配置简单，适合快速验证和原型开发。
LLM分离式部署：仅部署RAG服务，大语言模型作为独立的服务存在。此模式允许RAG服务连接到不同的LLM服务（如其他EAS部署的LLM或阿里云百炼模型服务），便于资源复用和独立扩展。适合生产环境或已有LLM服务的场景。
部署资源：为服务分配合适的计算资源。
LLM一体化部署：系统会根据所选的模型类别自动推荐资源规格。更改为更低的规格可能导致服务启动失败。
LLM分离式部署：RAG服务本身资源消耗较低。建议选择至少8核CPU和16 GB内存的规格，例如
ecs.g6.2xlarge或ecs.g6.4xlarge。
向量检索库设置：
版本类型：选择FAISS（构建本地向量库以便快速实践）。生产环境建议使用其他成熟的向量检索库，配置方式请参见使用阿里云向量数据库。
OSS地址：选择当前地域下已创建的OSS存储目录，用来存储上传的知识库文件。如果没有可选的存储路径，您可以参考控制台快速入门进行创建。
说明如果您选择使用自持微调模型部署服务，请确保所选的OSS存储路径不与自持微调模型所在的路径重复，以避免造成冲突。
专有网络：如下进行EAS访问公网或内网资源，确保RAG服务能与LLM服务、向量检索库及其他云服务正常通信。
访问公网服务：通过公网访问向量数据库、LLM服务（如阿里云百炼模型服务）以及使用联网搜索，必须为EAS服务配置公网访问能力。
访问私网服务：
通过内网地址访问向量数据库，需RAG服务与向量数据库处于同一VPC内。
通过内网地址访问LLM服务，需RAG服务与LLM服务处于同一VPC内。
说明Hologres、ElasticSearch、Milvus、RDS PostgreSQL支持通过内网或公网访问，推荐使用内网访问。
Faiss向量检索库，无需通过网络访问。OpenSearch只支持通过公网访问。
参数配置完成后，单击部署。当服务状态变为运行中时，表示服务部署成功（服务部署时长通常约为5分钟，具体时长可能因模型参数量或其他因素略有差异，请耐心等待）。
步骤二：在WebUI配置和调试服务
RAG服务部署成功后，通过WebUI界面进行功能配置和效果调试。在推理服务页签找到已部署的RAG服务，进入服务详情页，单击右上角的Web应用，进入WebUI页面。
不同镜像版本的WebUI页面不同，可在服务概览页签的环境信息区域，查看RAG服务版本号。以下步骤以pai-rag:0.3.4版本为例。
2.1 配置大语言模型
在系统设置页签的模型及存储配置页签，进行参数配置。
以模型ID的值区分不同模型配置，选择NEW即可新增模型配置。
LLM一体化部署
通常无需修改模型配置。但若选择了vLLM加速部署，模型名称需与运行命令中的设置一致。
在服务详情页的服务配置页签查看运行命令script，其中 --served-model-name 后面的值为模型名称。
LLM分离式部署
URL、密钥：默认填充了阿里云百炼的模型服务URL，获取API Key填写即可。也可使用EAS部署的模型服务，配置为EAS服务的访问地址和Token。
说明阿里云百炼模型调用需单独计费，请参见阿里云百炼计费项说明。
公网地址连接LLM服务：需为RAG服务配置有公网访问能力的专有网络。
VPC地址连接LLM服务：RAG服务与LLM服务必须在同一个专有网络内。
模型名称：
如果是EAS部署的模型服务，且推理引擎为vLLM，请务必填写具体的模型名称（可通过
/v1/models接口获取）。推理引擎为SGLang或BladeLLM，则只需将模型名称设置为default。如果其他模型服务，请参考具体的服务调用参数说明。
2.2 管理知识库
在知识库页签下，可以创建/更新/删除知识库配置、上传文件、设置知识库问答提示词以及调试检索参数并应用到线上。
1. 知识库设置
在知识库设置Tab页，配置知识库向量模型、向量数据库等相关参数，建议直接使用默认配置。
知识库：选择NEW可新增独立的知识库。通过知识库名称实现数据的隔离使用。
说明知识库名称对应文件管理页签下的文件夹名称。文件上传到对应的文件夹下，并在对话时选择相应的知识库名称。
知识库-向量模型：仅支持huggingface来源，系统会根据选择的向量模型，自动配置向量维度等参数。
向量维度：输出向量维度。维度的设置对模型的性能有直接影响。在您选择向量模型后，系统将自动配置向量维度，无需手动操作。
向量Batch大小：批处理大小。
向量数据库配置：默认使用部署RAG服务时配置的向量数据库。也可以切换至其他向量数据库，在配置相关参数后，单击更新知识库。
重要如果部署时向量数据库参数配置错误，需在这里修改，无法通过更新服务来修改。
2. 文件管理
知识库设置完成后，可以在文件管理页签上传文件。上传知识库文件的具体操作方法，请参见RAG知识库管理。
上传后，系统会自动处理文件，将其内容向量化并存储到向量检索库。支持的文件类型为.html、.htm、.txt、.pdf、.pptx、.md、Excel（.xlsx或.xls）、.jsonl、.jpeg、.jpg、.png、.csv或Word（.docx），例如rag_chatbot_test_doc.txt。
对于除FAISS外的向量检索库，上传同名文件会覆盖旧文件。
通过API上传的文件并非永久存储，其存储期限取决于所选向量检索库（如对象存储OSS、Elasticsearch、Hologres等）的配置。建议查阅相关文档，了解存储策略以确保数据长期保存。
3. 检索测试
在检索测试页签，调整检索参数以优化问答效果。
检索模式：
向量检索：默认模式，基于语义相似性进行检索。适用于多数复杂场景。
关键字检索：基于BM25等关键词检索召回算法进行检索。在语料稀缺的垂直领域或需要精确匹配的场景中，更具优势。
混合检索：综合以上两种模式的优势，通过倒数排序融合（Reciprocal Rank Fusion, RRF）算法对文档在不同模式中的排名进行加权求和，提升整体检索的准确性和效率。
返回Top-K条文本结果：召回Top-K条最相关的文本片段。取值为0~100。
相似度分数阈值：过滤掉相似度低于此阈值的结果。
重排序类型：如选择基于模型的重排序，对第一次召回的结果进行二次排序，提升最终答案的精准度。
说明首次使用重排，模型加载可能需要较长时间。
2.3 联网搜索配置
如果使用联网搜索进行问答测试，需在应用页签的联网搜索Tab页进行联网搜索配置。参见RAG集成联网搜索搭建AI智能问答最佳实践。
2.4 对话测试
在对话页签，模拟真实用户的问答交互，验证RAG系统的效果。
对话模型ID：选择在系统设置中配置的LLM。
知识库名称：选择要查询的目标知识库。
选择工具：
大模型：直接使用LLM回答。
联网搜索：结合实时网络搜索结果进行回答（需预先配置搜索引擎）。
查询知识库：结合知识库内容回答。
查询数据库：直接从NL2SQL查询数据库中检索并返回Top K条相似结果。
输入问题，测试系统回答效果。
可开启流式输出和展示参考资料以获得更佳的调试体验。
可调整温度（0到1）控制生成内容的随机性。温度值越低，输出结果也相对固定；而温度越高，输出结果则更具多样性和创造性。
步骤三：API调用
RAG服务提供API接口（如知识库管理、对话等），便于集成到应用程序中。详情请参见RAG API接口说明。
成本与风险说明
成本构成
部署和使用本方案涉及的费用主要包括：
EAS资源的费用: RAG服务运行所占用的计算资源（vCPU、内存、GPU等）按时收费。服务停止后，此部分费用即停止。
向量检索库费用: 若使用Elasticsearch、Milvus、、Hologres、OpenSearch或RDS PostgreSQL，需支付相应产品的实例费用。
对象存储OSS费用: 用于存储原始知识库文件。
大语言模型调用费用: 若使用阿里云百炼等商业模型服务，会产生API调用费用。
公网NAT网关费用: 若EAS服务需要访问公网，会产生NAT网关的费用。
网络搜索服务费用: 若启用联网搜索功能（如Bing、阿里云通用搜索服务），会产生相应搜索服务的费用。
停止EAS服务后，仅能停止EAS资源的收费。若需停止其他产品的收费，请参考对应产品的文档指引，按照说明停止或删除相关实例。
关键风险与限制
对话长度限制: 受限于所选LLM服务的上下文窗口大小（Token限制），单次对话能处理的文本长度有限。
文件覆盖: 在使用除FAISS外的向量检索库时，上传同名文件将直接覆盖已有数据，操作前需谨慎。
API参数限制: 仅部分功能参数可通过API进行配置，其余高级配置（如多数检索调优参数）仍需通过WebUI完成。
注意事项
本实践受制于LLM服务的服务器资源大小以及默认Token数量限制，能支持的对话长度有限，旨在帮助您体验RAG对话系统的基本检索功能。
常见问题
如何使用RAG服务进行知识库数据隔离？
以部署pai-rag:0.3.4版本的RAG服务为例，当不同部门或个人使用各自独立的知识库时，可以通过以下方法实现数据的有效隔离：
在WebUI页面的知识库页签的知识库设置页签，配置以下参数，然后单击添加知识库。
知识库名称：选择NEW。
新知识库名称：自定义新的知识库名称。例如INDEX_1。
在知识库页签的文件管理Tab页上传知识库文件时，将文件上传到对应的知识库目录中即可。具体操作，请参见上传知识库文件。
在对话页签进行对话时，请选择相应的知识库名称。系统将使用目标知识库文件进行知识问答，从而实现不同知识库数据的隔离。
通过API设置的参数为什么没有生效？
目前，PAI-RAG服务仅支持通过API设置接口说明文档中列出的参数，其余参数需通过WebUI界面进行配置，详情请参见步骤二：在WebUI配置和调试服务。