RAG 在展示中運作良好。檢索準確,生成的答案有據可依,利害關係人印象深刻。然後你將其部署到生產資料上——數千份文件,數十種檔案格式,使用者提出你從未預料到的問題——答案品質開始下降。不是災難性 的。只是剛好足以讓使用者不再信任系統。
問題不在於 RAG 本身。問題在於大多數 RAG 管道是不可見的。沒有節點層級的日誌記錄,沒有階段之間的元素計數,沒有中間輸出的品質評分。當檢索品質下降時,你無法判斷問題出在資料擷取、分塊、嵌入、向量搜尋還是上下文組裝。你在用 print 陳述式除錯一個黑盒。
這就是為什麼 RAG 管道在生產中靜默失敗,也是為什麼建構可觀測的 RAG 管道不是可選的基礎設施——它是展示和你真正能維護的系統之間的區別。
不可見 RAG 的五種失敗模式
RAG 管道以特定的、可預測的方式發生故障。挑戰在於每種失敗模式都產生相同的症狀:錯誤的答案。沒有節點級可觀測性,你無法區分它們。
1. 解析錯誤
你的資料擷取管道接收 PDF、Word 文件、HTML 頁面的混合,可能還有帶 OCR 的掃描圖像。每種格式都有自己的失敗案例。雙欄排版的 PDF 被解析為交錯的亂碼。帶修訂追蹤的 Word 文件將已刪除的文字視為當前文字。HTML 頁面在擷取的文字中包含導航選單和 Cookie 橫幅。
這些解析失敗會向每個下游階段注入雜訊。分塊被損壞,嵌入毫無意義,檢索器盡職地回傳評分最高的垃圾內容。
2. 分塊大小不當
分塊策略是 RAG 管道中最具影響力的決策之一,但幾乎總是設定一次就再也不回顧。512 token 的分塊大小對短 FAQ 文件效果很好,但會產生缺乏足夠上下 文的較長技術文件片段。2048 token 的分塊在長文件中保留了上下文,但在短文件上浪費了嵌入容量。
失敗是微妙的:檢索器回傳語義相關但上下文不完整的分塊。LLM 生成的答案聽起來正確,但缺少存在於周圍文字中的關鍵限定條件或注意事項。
3. 嵌入漂移
嵌入模型有版本依賴性。當你更新嵌入模型——或者當你的供應商靜默更新它時——新的嵌入不再與你儲存中已有的向量對齊。相似度評分發生變化。曾經排名第一的文件現在排名第五。檢索器仍在回傳結果,但排名是錯誤的。
這是最難在沒有顯式監控的情況下偵測到的失敗之一,因為系統從不拋出錯誤。餘弦相似度評分只是在全域範圍內悄然下降 0.05-0.1,答案品質也按比例下降。
4. 過時的向量
生產環境的文件集合不是靜態的。文件會被更新、棄用或替換。但你儲存中的向量仍然代表舊版本。使用者詢問當前的退款政策,檢索器回傳的是六個月前更新的政策文件的分塊。
如果管道中沒有元素計數和時間戳流動,你就無法知道哪些向量已過時,自上次重新索引執行以來有多少文件已更改,或者排定的重新索引是否實際成功完成。
5. 上下文視窗溢出
當你從小型文件集合擴展到大型文件集合時,這種失敗模式就會出現。你的檢索器回傳更多相關分塊,你的重排器保留更多分塊,突然你將 12,000 個 token 的上下文塞入一個在你的任務中使用少於 4,000 個上下文 token 時表現最佳的模型。模型開始忽略相關上下文或在不相關的分塊之間產生幻覺連結。
失敗是不可見的,因為模型仍然生成流暢、自信的答案。它只是不再基於檢索到的上下文。
「可觀測 RAG」到底意味著什麼
軟體系統中的可觀測性是一個被充分理解的概念:日誌、指標和追蹤。但 RAG 管道的可觀測性需要通用應用程式監控無法提供的領域特定檢測。
一個可觀測的 RAG 管道具有四個屬性:
節點級日誌記錄。 每個階段——擷取、解析、分塊、嵌入、索引、檢索、重排、上下文組裝——記錄其輸入、輸出、時間戳和操作員 ID。當答案錯誤時,你可以從生成的回應反向追蹤到被檢索的確切分塊、傳送到向量儲存的確切查詢,以及這些分塊來自的確切文件。
邊上的元素計數。 在每對節點之間,你可以準確看到有多少文件、分塊或向量流過。如果你的擷取節點接收了 1,247 個文件,但你的分塊節點只從 1,183 個文件中產生了分塊,你就知道有 64 個文件解析失敗。這是 RAG 管道中最有用的除錯訊號,幾乎沒有人實作它。
關鍵節點的品質評分。 分塊和嵌入之間的品質評分節點可以標記過短、過長、主要包含樣板文字或資訊密度低的分塊。嵌入之後的異常偵測節點可以標記統計異常值的向量——通常表明輸入文字已損壞。
視覺化狀態追蹤。 管道中的每個節點都有可見狀態:閒置、執行中、已完成、已部署或錯誤。當夜間重新索引作業在解析階段靜默失敗時,你會立即在畫布上看到它,而不是三天後使用者抱怨過 時答案時才發現。
團隊今天如何除錯 RAG
RAG 管道除錯的現狀非常依賴人工。典型流程如下:
使用者報告一個錯誤答案。工程師複製使用者的查詢並手動對檢索器執行。他們檢查回傳的分塊,也許檢查相似度評分。如果分塊看起來不對,他們在來源文件中搜尋文字來源。他們檢查分塊邊界。他們重新嵌入查詢並比較距離。他們查看擷取日誌——如果有的話。
這個過程每個事件需要 30 到 90 分鐘。對於在生產中執行 RAG 的團隊來說,這意味著大量的工程時間花在臨時除錯上,而不是改進管道。
監控 RAG 管道效能的最佳方式是完全消除這個手動循環。工程師調查問題所需的每條資訊都應該被自動擷取並在管道介面中可見。
節點級可觀測性的實踐
在 Ertas Data Suite 中,視覺化節點圖管道使 RAG 管道除錯成為一種根本不同的體驗。管道不是一個執行並產生輸出的腳本——它是一個可見的、可檢查的圖,其中每個階段都是一個具有已記錄輸入、輸出和狀態的節點。
以下是如何使用這種方法除錯 RAG 檢索品質,透過一個具體情境來說明:
使用者報告說關於「資料保留政策」的問題回傳了引用過時的 2024 年政策的答案,而不是當前的 2026 年版本。在傳統管道中,你會開始用 grep 搜尋。在視覺化管道中,你從查看畫布開始。
索引管道在每條邊上顯示元素計數。你看到擷取節點在上次執行中處理了 3,412 個文件,但當你點擊進入該節點時,時間戳顯示它上次執行是兩週前——在政策更新發布之前。過時向量的問題在幾秒鐘內就被識別出來,而不是幾分鐘。
但假設重新索引是最新的。你點擊解析節點並檢查其輸出日誌。更新後的政策 PDF 使用了帶有嵌入表格的新範本。解析器擷取了表格標題但沒有擷取儲存格內容,產生了像「保留期限 | 類別 | 例外情況」這樣沒有實際資料的分塊。下游的品質評分節點將這些分塊標記為低資訊密度,但由於沒有設定警報閾值,該標記未被注意到。
這就是除錯管道和除錯黑盒之間的區別。每個節點都可檢查。每條邊顯示計數。每次失敗都留下追蹤。
檢索管道與索引管道是分開可觀測的,這很重要,因為檢索問題和索引問題有完全不同的根本原因。檢索問題可能是糟糕的重排設定或上下文組裝邏輯。索引問題可能是解析、分塊或嵌入。在視覺上將它們分開可以防止最常見的除錯錯誤:在錯誤的管道中尋找。
合規附加價值:稽核追蹤就是除錯基礎設施
為受監管行業——醫療保健、金融服務、法律——建構 RAG 系統的企業團隊已經需要稽核追蹤來滿足合規要求。歐盟人工智慧法案第 12 條要求高風險 AI 系統自動記錄其運作。HIPAA 要求對任何處理受保護健康資訊的系統具有可追溯性。
大多數團隊沒有意識到的是,適當的稽核追蹤也是你將建構的最好的 RAG 管道除錯工具。當每個節點記錄輸入、輸出、時間戳和操作員 ID 時,你擁有進入管道的每個文件、它經歷的每次轉換以及檢索它的每個查詢的完整追蹤。
RAG 管道的日誌記錄和稽核不是獨立的關注點。滿足合規官員要求的同一基礎 設施也能準確告訴你哪個文件、哪個分塊和哪個嵌入導致了你的副總裁在週一會議上標記的錯誤答案。
Ertas Data Suite 自動擷取這個稽核追蹤。每次節點執行都記錄了操作員 ID 和時間戳。從來源文件到生成答案的完整溯源鏈是可重建的。這不是附加的合規功能——它是使 RAG 管道除錯成為可能的同一可觀測性基礎設施。
建構你真正能維護的 RAG
RAG 展示和 RAG 生產系統之間的差距不是更好的檢索演算法或更複雜的分塊策略。而是可觀測性。RAG 管道可觀測性的最佳工具是能夠向你展示每個節點的狀態、每條邊的計數以及每個關鍵節點的品質評分的工具——無需你向腳本中新增自訂日誌程式碼。
如果你正在為生產使用建構 RAG 基礎設施,並希望評估一種視覺化的節點級管道可觀測性方法,Ertas 正在為企業團隊執行設計合作夥伴計畫。管道完全在本地執行——你的文件、你的嵌入和你的稽核日誌永遠不會離開你的基礎設施。

