RAG 编排
RAG 编排，打造 有据可依的生产级 AI 回答。
将 VectorDB、AI 函数工具和自定义大语言模型连接成有状态流程，设计端到端 RAG 流水线：回答有据可依、数据实时、全程可控。
我的电池用了 14 个月后不充电了，还在保修范围内吗？
10:18
来源：保修政策
第 3.2 条 · 电池
订单 6120 · 14 个月前送达
在保修范围内。电池自送达之日起享 24 个月保修，所以您的订单仍在保修期内。
10:18
太好了，怎么申请？
10:19
我已为您提交保修申请。我们的服务团队会在这里联系您。
10:19
自定义 RAG 的构建模块
连接您的数据、工具和模型，然后端到端编排检索。
-
VectorDB 集成
使用 MonoChat 内置 VectorDB，或使用凭证连接您自己的 VectorDB，让向量数据保存在您希望的位置。
- 内置或外部 VectorDB
- 基于凭证的连接
- 元数据过滤与访问控制
- 安全的数据隔离
-
多步骤 RAG 流水线
串联检索步骤：查询改写、搜索、重排序、引用、回复，全部在一个编排流程中完成。
- 查询改写与扩展
- 混合检索模式
- 重排序与评分
- 引用与可追溯
-
AI 函数工具
让大语言模型执行操作：获取实时数据、调用内部 API、运行业务逻辑并返回结构化结果。
- 工具模式与校验
- 安全的 API 调用
- 结构化输出
- 可复用的工具库
-
自定义 LLM 路由
将任务分配给最合适的模型（快速或精准），并提供备用与成本控制。
- 多服务商支持
- 按步骤选择模型
- 备用与重试
- 成本/性能护栏
-
有状态流程
跨步骤、跨会话保持状态。构建能记住上下文、可靠推进的客户旅程。
- 状态与记忆变量
- 会话感知流程
- 条件分支
- 事件驱动触发
-
生产级管控
通过监控、权限和审计安全部署，迭代时不影响运营。
- 可观测性与指标
- 基于角色的控制
- 审计日志
- 流程版本管理
工作原理
通往生产级 RAG 的简单路径，没有供应商锁定。
-
连接 VectorDB
使用内置向量库，或粘贴凭证连接您自己的向量库。 数据留在您选择的位置.
-
添加工具
构建 AI 函数工具，获取实时数据、调用 API 或执行业务操作。 结构化输出与校验.
-
路由模型
为每个步骤选择最合适的大语言模型，用备用方案平衡成本与质量。 快速且精准的流程.
-
编排流水线
串联步骤：改写 → 检索 → 重排序 → 引用 → 回复，并带有状态逻辑。 混合检索模式.
典型流水线
可快速上线的常见 RAG 蓝图，之后可随时自定义。
-
客服 RAG
让回答基于政策、手册和工单，并带着完整上下文转交给客服。
- 示例： 改写 → 检索知识库 → 工具：查询订单 → 引用政策 → 回复
-
销售 RAG
结合商品目录、价格和 CRM 工具回答产品问题，并在聊天中促成转化。
- 示例： 检索商品目录 → 工具：价格 → 工具：CRM 线索 → 总结并给出行动号召
-
运营 RAG
将 SOP 文档转化为带审批、仪表板和自动化的引导式操作。
- 示例： 检索 SOP → 工具：校验 → 工具：创建任务 → 确认状态
常见问题
RAG 编排常见问题
最常见问题的快速解答。
什么是 RAG（检索增强生成）？
RAG 是一种技术：AI 先从您自己的内容中检索相关段落，再据此撰写回答。回答基于您的文档，而不是模型的记忆，从而减少幻觉。
RAG 编排带来什么？
编排将流水线的各个步骤串联在一个有状态的流程中：查询改写、检索、重排序、工具调用、引用以及最终回复。步骤的顺序、步骤之间的逻辑以及每一步使用的模型，都由您决定。
我需要自己的向量数据库吗？
不需要。您可以先使用 MonoChat 内置的向量数据库，也可以在希望向量数据保留在自有基础设施中时，使用凭证连接您自己的 VectorDB。
RAG 回答可以包含实时数据吗？
可以。借助 AI 函数工具，流水线可以获取订单状态、价格或 CRM 记录等实时数据，并与检索到的文档合并在同一个回答中。
RAG 流水线可以使用哪些大语言模型？
您作为自定义大语言模型连接的任何服务商均可使用。您可以为每个步骤选择模型，例如用快速模型做查询改写，用更强的模型生成最终回答，并配备备用方案和成本护栏。
首月 Growth 套餐免费
构建您的第一条 RAG 流水线
连接您的 VectorDB，添加 AI 工具，路由模型，在 MonoChat 中上线可靠的检索流程。
每家企业一个兑换码 • 30 天内兑换 • 无需绑定银行卡