大约 4 分钟AI应用开发AI应用开发JavaRAG总览
AI 应用进入业务系统之后，除了模型调用，还要处理数据更新、权限、延迟和失败恢复。这里从 Java 后端视角整理知识库架构、检索链路与服务治理，连接技术专题和可阅读的项目源码。
技术目录
| 主题 | 阅读入口 | 重点内容 |
|---|---|---|
| 知识库架构 | 项目架构 · 服务源码 | 接口、文档存储、身份、检索与引用之间的数据流 |
| 数据更新 | RAG 文档更新与删除 | 文档版本、分块和索引切换、删除状态与引用追踪 |
| 权限与工具 | 工具调用权限与幂等 | 服务端身份、授权、参数校验、执行确认与业务防重 |
| 效果评估 | RAG 评估方法 | 参考证据、检索命中、回答依据、拒答与失败分类 |
| 故障定位 | RAG 排障 | 区分原文、入库、检索、权限与输出问题 |
| 服务治理 | 超时预算与重试 | 端到端时限、排队、重试放大与取消传播 |
| 业务选型 | Java AI 项目选型 · 行业架构 | 数据来源、业务流程、AI 能力与实现范围 |
Spring AI 中的 RAG 应该怎么理解
Spring AI 官方 RAG 文档给出的典型方式，是把已导入 VectorStore 的文档用于检索，再通过 QuestionAnswerAdvisor 为 ChatClient 补充上下文；需要拆分检索与增强步骤时，可使用模块化的 RetrievalAugmentationAdvisor。模型接入成功只完成了第一步，文档导入、来源追踪和检索效果仍需单独验证。
排查时区分三个问题：
- 没检索到证据：检查文档是否入库、切分是否破坏语义、检索条件是否过严，以及权限过滤是否正确。topK 和相似度阈值需要用自己的题集校准，文档示例值不等于通用最优值。
- 检索到了却答错：核对片段是否真的支持结论、是否混入过期或矛盾内容，以及回答中的来源是否对应实际证据。带上引用链接不代表内容一定正确。
- 没有证据仍在回答：定义并测试空上下文和弱相关上下文的行为。
RetrievalAugmentationAdvisor默认的上下文增强会对空检索结果要求不作答；这不是所有调用方式共有的保证，也不能仅靠提示词证明系统绝不会编造。
依赖版本应与项目使用的 Spring AI BOM、官方文档核对。以上框架链路与本站默认的词项检索服务不同：默认服务返回原文摘录，向量模式单独接入，生成模型仍属于扩展范围。
如何判断第一版是否可用
建议先人工标注 20～30 个小范围问题，覆盖能回答、无答案、跨文档、过期信息和越权请求，记录问题、允许使用的文档、参考证据与期望行为。这个数量只是起步样例集，不能代表生产覆盖率。先冻结题集与基线，再做一轮参数调整，对比检索、回答、拒答、权限隔离以及延迟和成本，具体方法见 RAG 评估指南。
Spring AI Evaluation Testing提供 RelevancyEvaluator 等辅助评估工具，可检查回答与问题、上下文是否相符；模型评审也会出错，仍需人工复核，不能用一次通过代替检索测试、事实核验或权限测试。
源码与架构
- 服务实现：Java 知识库检索服务，阅读认证、持久化、租户与角色过滤、文档版本和证据返回。
- 运行说明：首次启动与 API 调用，默认 H2、词项检索与原文摘录。
- 机制对照：Java 单文件检索实验，分析旧版本、删除状态和越权引用的七个合成场景。
- 架构方案：Java + AI 行业项目库，按业务流程分析客服、研发协同、AIOps 等方向；具体代码范围以项目说明为准。
面试与学习资料
- 企业知识库项目问答 · 20 题逐题追问 · 模拟面试问答。
- 面试标准背诵稿 · 面试答案手册 · 没有真实做过怎么描述。
- Java AI 学习路线 · 资料与源码下载 · 手册与 PDF。