世界上最简单最暴力的 RAG 系统

要搞一个 RAG 系统，hmmm,大模型，向量模型，向量存储这三个是标配，接着呢，为了让效果变得更好, 就要继续加啊加，再来个 rerank 模型，提高下精度，向量存储不够，再加个全文检索，做混合多路召回。瞬间把系统复杂度拉满，然后又要开始做资源隔离，做运维了，保证多系统协同工作，高可用 balabala...

光把系统搞复杂怎么行？应用也要搞复杂！效果还不高，引入llama_index，这玩意提供了上百种存储，召回策略，搞 oneapi, 这玩意封装了无数个大模型接口。

接着发现，开发应用太复杂了，要不再引入个 workflow ，减轻下开发的压力，把一些工作转移给业务？乌拉，成功转移，大家都有活干。

诶，发现和以前大数据时代，实时性好像不太好搞了，得搞个实时系统啊，那得再加kafka,全量批量更新向量数据库 继续balabala....

不就是一个获取一些 context，然后让大模型基于这些context 回答用户的一些question  ，得到一个答案，就这么简单的一件事，为啥被这些搞软件，搞AI的同学搞成现在这么复杂呀？

于是，我决定，我要搞一个没有向量数据库，没有向量模型，没有检索存储，没有向量数据库，没有llama_index,没有各种封装，

对，只依赖一个大模型就可以用的RAG系统！

一条语句安装系统：

pip install auto-coder

启动模型代理：

easy_byzerllm deploy deepseek-chat --token _api_key

启动兼容 OpenAI 的服务：

auto-coder doc serve \
--model deepseek_chat \
--doc_dir /Users/allwefantasy/projects/llm_friendly_packages/github.com/allwefantasy/byzer-sql

通过 doc_dir 指定你的文档目录。这

在 NextChat 里配置下 API 地址 http://127.0.0.1:8000/v1。

这就是一个带有你私有知识库的 deepseek 了：

我还可以方便的集成到我的业务系统去用：

这就完了？当然不是！我们来讲讲原理。

前面的RAG系统为啥搞那么复杂？因为想当年大模型太弱！速度慢，窗口端（还记得4k的岁月么），一篇文档都放不下！

速度慢，成本高，只能让大模型继续退化成rerank模型，embeding模型，去做数据初级过滤。

现在，大模型已经获得大发展。128K已经是标配，你看人家Kimi动不动几十篇文章放context里去，切啥片？ 现在7B 快如闪电，deepseek 成本低如狗，我们直接暴力并发让大模型看所有的内容来做，只输出一个token(yes/no)，加上他们家的kv磁盘缓存,不要太贵好么。

所以 auto-coder 新模式，直接使用大模型来做数据过滤（高并发，高输入，低输出），过滤的数据直接以文档为粒度放入到上下文给到大模型做回,效果巨好，远超“片段”模式。不服来PK。

原理讲完了，这就完了？当然不是，这个想法，我刚想清楚，用了十分钟就是实现了，全自动AI生成的代码， prompt 都是AI自己写的：

from typing import Any, Dict, List, Optional, Tuple, Generator
from autocoder.common import AutoCoderArgs
from concurrent.futures import ThreadPoolExecutor, as_completed
from byzerllm import ByzerLLM
from loguru import logger
import json
import os


import byzerllm




class LongContextRAG:
    def __init__(self, llm: ByzerLLM, args: AutoCoderArgs, path: str) -> None:
        self.llm = llm
        self.args = args
        self.path = path


    @byzerllm.prompt()
    def _check_relevance(self, query: str, document: str) -> str:
        """
        请判断以下文档是否能够回答给出的问题。
        只需回答"是"或"否"。


        问题：{{ query }}


        文档：
        {{ document }}


        回答：
        """


    @byzerllm.prompt()
    def _answer_question(
        self, query: str, relevant_docs: List[str]
    ) -> Generator[str, None, None]:
        """
        使用以下文档来回答问题。如果文档中没有相关信息，请说"我没有足够的信息来回答这个问题"。


        文档：
        {% for doc in relevant_docs %}
        {{ doc }}
        {% endfor %}


        问题：{{ query }}


        回答：
        """


    def _retrieve_documents(self) -> List[str]:
        documents = []
        for root, dirs, files in os.walk(self.path):
            for file in files:
                if file.endswith(".md"):
                    file_path = os.path.join(root, file)
                    with open(file_path, "r", encoding="utf-8") as f:
                        documents.append(f.read())
        return documents


    def stream_chat_oai(
        self,
        conversations,
        model: Optional[str] = None,
        role_mapping=None,
        llm_config: Dict[str, Any] = {},
    ):
        query = conversations[-1]["content"]
        documents = self._retrieve_documents()


        with ThreadPoolExecutor(
            max_workers=self.args.index_filter_workers or 5
        ) as executor:
            future_to_doc = {
                executor.submit(
                    self._check_relevance.with_llm(self.llm).run, query, doc
                ): doc
                for doc in documents
            }
            relevant_docs = []
            for future in as_completed(future_to_doc):
                try:
                    doc = future_to_doc[future]
                    if "是" in future.result().strip().lower():
                        relevant_docs.append(doc)
                except Exception as exc:
                    logger.error(f"Document processing generated an exception: {exc}")


        if not relevant_docs:
            return ["没有找到相关的文档来回答这个问题。"], []
        else:
            chunks = self._answer_question.with_llm(self.llm).run(query, relevant_docs)
            return chunks, []

然后再让AI写个 jupyter notebook 让我测试下：

然后我就发布了！可以到这里看源码：https://github.com/allwefantasy/auto-coder/blob/master/src/autocoder/rag/long_context_rag.py

最后，这个代码是在 auto-coder里，但是是用 auto-coder.chat 开发的。对每次，auto-coder.chat 自己开发自己！

我是一个坚定的大模型暴力论者，能简单用大模型就解决的，就用大模型解决！