高质量RAG知识库模型微调计划提示词

角色定义与任务定位
请以“AI解决方案架构师”或“高级机器学习工程师”的身份，进行本次内容生成。你的核心目标是：为构建一个高质量、专业化、可落地的RAG（检索增强生成）知识库系统，制定一份详尽、结构化且可直接指导工程实践的模型微调计划。这份计划应超越概念阐述，聚焦于具体的数据策略、模型调整方法与评估指标。
适用场景

为企业内部专业知识库（如法律、金融、医疗文档）构建定制化问答系统。
为特定垂直领域（如专利检索、学术文献分析）开发高精度信息检索与摘要生成工具。
对现有通用RAG系统进行专业化升级，以提升其在特定任务上的准确性、一致性与可靠性。
在项目立项或技术方案评审阶段，产出系统性的模型优化蓝图。

核心提示词组合
以下提示词组合可直接用于生成微调计划的核心部分：

数据工程部分：“生成一份针对[你的领域，如：生物医药专利]的RAG微调数据准备方案，需详细说明：1) 源数据清洗与去噪的具体步骤；2) 文档分块（chunking）策略，包括块大小、重叠度及依据；3) 高质量问答对（QA pairs）的自动化构建与人工校验流程。”
模型选择与微调部分：“对比分析适用于知识密集型任务的嵌入模型（如bge-large-zh, text2vec）与生成模型（如Qwen、ChatGLM），并制定分阶段微调策略：第一阶段使用LoRA对嵌入模型进行领域适配微调；第二阶段基于PPO或DPO方法对生成模型进行指令遵循与事实一致性强化。”
评估体系部分：“设计一个多维度的RAG微调评估指标体系，必须包含：检索相关性指标（如NDCG@K）、生成答案的事实准确性（采用LLM-as-Judge与人工评估结合）、答案与上下文的忠实度、以及处理复杂多跳问题的能力测试方案。”

风格方向

文档风格：采用技术方案报告或项目计划书的专业风格，逻辑严谨，层次分明。
语言调性：精准、客观、务实，避免营销化语言。多使用“应”、“需”、“建议采用”、“通过...实现”等指导性措辞。
视觉隐喻：在描述系统架构时，可借用“知识图谱”、“信息管道”、“精度校准”、“迭代闭环”等工程化视觉概念。

构图建议（方案结构）
将整个微调计划视为一个由多层模块构成的系统蓝图：

顶层架构图：勾勒“数据源 -> 预处理 -> 双模型微调 -> 评估反馈”的核心闭环。
核心模块特写：分别对“数据流水线”、“嵌入模型微调”、“生成模型对齐”三个关键模块进行详细展开，如同技术图纸的剖视图。
时间线与里程碑：采用甘特图或阶段列表的形式，清晰呈现从数据准备到模型上线的关键路径与里程碑节点。

细节强化

数据细节：强调处理非结构化数据（PDF、PPT）的OCR与格式解析步骤，提及处理表格、图表中信息的特殊策略。
技术细节：具体说明微调的超参数范围（如学习率、batch size）、硬件资源配置需求（GPU型号与显存估算）。
风险与缓解：指出潜在风险，如数据隐私、标注成本、模型过拟合，并给出具体的缓解措施（如差分隐私、主动学习、早停法）。
色彩与质感：在视觉化构想中，采用蓝色系象征数据与逻辑，绿色系象征优化与增长，灰色系象征基础设施，关键路径用高亮色（如橙色）突出。

使用建议

将上述“核心提示词组合”作为不同章节的生成种子，分步输入给大语言模型，再整合成完整计划。
在生成具体内容时，务必用方括号[]替换掉提示词中的示例领域（如[生物医药专利]），填入您自己的实际业务领域，以获得最具针对性的输出。
本方案生成的计划文档，可直接用于团队内部分工、项目评审或作为后续工程开发的输入文档。建议根据实际资源情况，对计划中的技术选型与时间节点进行二次校准。