无 RAG 基线 —— 暴力塞全文

让模型找到资料。无 RAG 基线 —— 暴力塞全文，边读边运行配套 Python 代码。

2026-09-07约 20 分钟50 行代码难度 ★

展开当前模块目录

Bread RAG

01无 RAG 基线 —— 暴力塞全文 02手写词袋检索（BoW + 余弦）03真 embedding API（语义检索）04多文档 + 持久化索引 05Hybrid 检索 + LLM Rerank 06RAG 接入 Bread Agent（终章）

查看全部 33 章

1. 故事：在学 RAG 之前，先理解"为什么需要 RAG"

很多课程上来就给你讲"什么是 RAG"。但你要先体会"不用 RAG 怎么办"才有意义。

最朴素的做法：把整篇文档塞进 system prompt，让 LLM 看着它回答。这就是本章做的事。

+------------------------------------+
|  system: 这里是整本知识库的全部内容 |  ← 几千字 / 几万字 / 几十万字...
|  user:   你问的问题                |
+------------------------------------+
                ↓
            LLM 回答

这种做法对短文档完全 work。问题是当文档变成"公司的全部产品手册"或"一整本法律法规"时：

装不下：很多模型上下文窗口只有 8K~128K tokens
太贵：每次提问都把整本"百科全书"重发一遍
质量下降：无关内容稀释了模型注意力

后面 ch01 起我们才真正引入"先检索后生成"——只把最相关的几段塞进去，其余的留在向量库里。

2. 跑起来

cd ch00_baseline
python main.py

需要 .env。复用 bread-agent 的就行，main.py 已经写好了兜底。

预期输出：

[信息] 文档长度: 1200+ 字符 (~600 tokens)
[信息] 这些字符**每次提问都会被发给模型** —— 这就是无 RAG 的代价

=== 问题 1: 你们公司哪一年成立的？ ===
AI: Bread 面包工坊成立于 2018 年。

=== 问题 2: 加盟费是多少？培训要多久？ ===
AI: 加盟费 38 万元，需要在上海杨浦区中央厨房接受 14 天的总部培训。

=== 问题 3: Bread 面包工坊 2026 年 7 月会推什么新品？ ===
AI: 根据知识库，2026 年 7 月会推出植物基（vegan）羊角面包，目前处于研发阶段。

=== 问题 4: 你们的吐司用什么面粉？黄油是哪个牌子？ ===
AI: ... 日本鸟越制粉 ... 法国铁塔（Président）和爱乐薇（Elle & Vire）...

=== 问题 5: 你们能去新疆送货吗？ ===
AI: 知识库里没有相关信息 (✓ 模型没瞎编)

5 个问题全部答对——证明对这种小文档（~600 tokens），暴力法完全够用。

3. 逐行精讲

整个 main.py 只有 1 个核心函数

def ask(question: str, full_document: str) -> str:
    messages = [
        {"role": "system", "content":
            f"你是 Bread 面包工坊的客服助理。请基于下面的内部知识库内容回答用户问题。"
            f"如果答案不在知识库里，**必须明确说"知识库里没有相关信息"**，不要瞎编。\n\n"
            f"========== 知识库开始 ==========\n{full_document}\n========== 知识库结束 =========="},
        {"role": "user", "content": question},
    ]
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    return resp.choices[0].message.content

就这么简单。把整个文档作为 f-string 拼进 system prompt 里。

两个 prompt 工程小细节

========== 知识库开始/结束 ========== 分隔符让模型清楚"哪部分是参考资料、哪部分是它要做的事"。这种边界标记能显著降低模型把示例文档当成 user 指令来跟着做的概率。
"如果答案不在知识库里，必须明确说没有" 这是为了防止模型瞎编（业内俗称"幻觉"）。问题 5 验证了这一点——模型应该说"知识库里没有"而不是编造一个送货政策。