RAG - 使用Python优化上下文回答流程，确保最新信息优先

在处理文本信息时，尤其是当我们从多个来源（如PDF报告、文档等）提取信息并回答问题时，常常遇到一个问题：如何确保我们提供的答案是基于最新的数据，而不是陈旧的信息？在这篇博客中，我们将讨论如何通过Python代码和优化的提示词（prompt）来解决这个问题，确保回答时优先使用最新的上下文。

问题描述

在实际的业务场景中，我们可能会收到类似的问题：

问题：请告诉我2024年某公司的最新业绩。

假设该公司每隔一段时间都会发布报告，并且这些报告的文件名中包含报告的日期信息。当我们解析这些文件中的数据并尝试回答问题时，可能会因为多个报告同时存在而不小心从较早的报告中提取信息。为了避免这种情况，我们希望系统能自动识别最新的报告并基于它来回答问题。

示例问题

例如，问题是：

问题：2024年某公司在上海的最新业绩是什么？

而我们有以下三份报告：

- 2024年3月的报告：该公司上海的业绩为160元。
- 2024年6月的报告：该公司上海的业绩为90元。
- 2024年9月的报告：该公司上海的业绩为100元。

我们希望系统能够优先使用2024年9月的最新报告来回答问题，而不是使用3月或6月的旧数据。

解决方案

1. 提示词优化

我们首先需要确保在回答问题时，