Haystack 能做什么：10 个具体使用场景
先说清楚它是什么：Haystack 属于「搜索与知识库」方向的开源项目，deepset 开源的 RAG 与搜索应用框架。
下面列出 10 个具体场景，每个都注明适合与不适合的情况。
10 个场景
- 带来源的快速调研：效果依赖输入材料质量。
- 内部文档入库：效果依赖输入材料质量。
- 构建问答测试集：需要人工复核。
- 检索效果对比：适合每周重复执行。
- 网页内容抓取：可以做成固定模板。
- 资料卡片整理：适合每周重复执行。
- 科研人员：文献检索与阅读：适合先小范围试用。
- 软件工程师：代码阅读与重构：可以做成固定模板。
- 咨询顾问：行业研究：效果依赖输入材料质量。
- 记者编辑：采访整理：需要人工复核。
挑两个场景细看
网页内容抓取
适用情况：手头有一组需要定期关注的网页时。
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」。
验收标准：没有臆造发布日期。
内部文档入库
适用情况：手头有一批 PDF、Word 和网页时。
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。
验收标准：切分后的段落能回溯到页码。
不适合的场景
- 需要专业资质最终签字的判断。
- 无法核实来源却要公开发布的内容。
- 涉及他人隐私且未获授权的材料。
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。
检查点：每张卡片都有来源。
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。
验收标准：关键结论都有可点击来源。
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。
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：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
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：嵌入（Embedding）
把文本转成向量，用于语义相似度检索。
适合人群：研究生
研究生可以用 Haystack 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。
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。
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。