在「搜索与知识库」类工具里，Haystack 的定位是：deepset 开源的 RAG 与搜索应用框架。

看文档和设置项时遇到的术语，这里用一两句话解释清楚。

术语表

  • RAG（检索增强生成）：先检索相关资料再让模型作答，降低胡编概率。
  • 嵌入（Embedding）：把文本转成向量，用于语义相似度检索。
  • 切分（Chunking）：把长文档拆成适合检索的小段，大小影响效果。
  • 重排序（Rerank）：对初步检索结果再次打分排序，提升相关性。
  • 混合检索：同时使用关键词和向量检索，兼顾精确匹配与语义理解。
  • 引用溯源：回答附带原文出处，便于核对。

和 Haystack 相关的补充

  • 开源项目：Haystack 的产品形态，决定了安装、权限和数据存放方式。
  • 同类产品：LlamaIndex、LangChain、txtai。
  • 所属方向：搜索与知识库。

把概念用起来

内部文档入库

输入：一批 PDF、Word 和网页。

把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。

检查点：切分后的段落能回溯到页码。

补充练习

检索效果对比

适用情况：手头有同一批问题和两种检索配置时。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

交付前确认：对比用同一批问题。

构建问答测试集

准备材料：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。

带来源的快速调研

输入：一个需要事实支撑的问题。

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。

交付前确认：关键结论都有可点击来源。

常见问题：表格内容检索不到

换用能保留表格结构的解析工具，或单独把表格转成文本描述。

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。

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。

概念补充：RAG（检索增强生成）

先检索相关资料再让模型作答，降低胡编概率。

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：数据分析师

数据分析师可以用 Haystack 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

适合人群：客服人员

客服人员可以用 Haystack 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。

使用提醒

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。

本文基于 Haystack 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

延伸阅读