一周练会 Haystack 的日程表
deepset 开源的 RAG 与搜索应用框架——这是 Haystack 最主要的用途，也是本文讨论的前提。
如果你刚开始接触它，可以按下面 7 天的安排练习，每天 20 到 40 分钟。
每日安排
- 第 1 天：注册与熟悉界面：阅读仓库 README 与许可证；按官方推荐方式安装（容器或包管理器）
- 第 2 天：完成第一个任务「带来源的快速调研」，按下文提示词操作。
- 第 3 天：换一类任务「内部文档入库」，对比两次结果的质量。
- 第 4 天：学习关键概念：RAG（检索增强生成）、嵌入（Embedding）、切分（Chunking）
- 第 5 天：用真实工作材料做一次「检索效果对比」，记录省下的时间和需要返工的地方。
- 第 6 天：排查问题：对照常见问题「答案引用了错误段落」等检查自己的用法。
- 第 7 天：复盘：保留有效的提示词，写下继续使用或放弃的理由。
第 2 天的练习材料
带来源的快速调研
适用情况：手头有一个需要事实支撑的问题时。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
验收标准：关键结论都有可点击来源。
一周后怎么判断值不值得继续
- 是否稳定地节省了时间，而不只是第一次觉得新鲜。
- 返工次数是否在下降。
- 与 LlamaIndex 等同类相比，是否更适合你的场景。
- 数据与费用是否在可接受范围内。
延伸练习
资料卡片整理
适用情况：手头有搜索得到的十几篇资料时。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
交付前确认：每张卡片都有来源。
构建问答测试集
输入：一份产品手册。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
检查点：每个答案都能在手册中找到。
网页内容抓取
输入：一组需要定期关注的网页。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
检查点：没有臆造发布日期。
常见问题：中文检索效果差
选择对中文支持好的嵌入模型，并为专有名词建立同义词。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：回答过于笼统
要求逐条引用原文，并限定只回答文档中有依据的内容。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
概念补充：引用溯源
回答附带原文出处，便于核对。
适合人群：科研人员
科研人员可以用 Haystack 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
适合人群：法务与律师助理
法务与律师助理可以用 Haystack 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。
注意事项
涉及个人信息、商业机密或受监管数据时，先确认 Haystack 的数据处理条款，再决定能否使用。
文中提示词和示例仅作示意，实际效果取决于你的材料和 Haystack 当前版本，重要内容请人工核对后再使用。