> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/context_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/context_engineering_guide/di-si-bu-fen-gong-cheng-shi-zhan-yu-wei-lai-yan-jin/14_practice/summary.md).

# 本章小结

本章通过 “EnterpriseKnow” 企业知识库问答系统的综合实战，把前文的四大策略（写入、选择、压缩、隔离）串成一条可落地的工程链路：从需求与架构，到知识库构建、检索与重排序、对话历史管理，再到部署与持续迭代。

## 关键概念清单

| 概念     | 定义                      |
| ------ | ----------------------- |
| 离线管道   | 文档解析、清洗、分块、向量化与索引构建     |
| 在线链路   | Query 转换、检索、重排、上下文组装与生成 |
| 混合检索   | 关键词检索与语义检索融合以提升鲁棒性      |
| 对话历史管理 | 滑动窗口 + 摘要/锚点，控制上下文膨胀    |
| 评估闭环   | 用数据集与线上反馈驱动持续优化         |

## 核心观点

1. **先架构后调参**：分清离线与在线链路，模块化后才能稳定迭代。
2. **数据质量决定上限**：解析、清洗、分块与元数据决定检索可用性。
3. **检索是“找全 + 找准”工程**：混合检索与重排序共同决定相关性。
4. **对话系统要可控**：摘要、锚点与结构化组装降低噪声与注入风险。
5. **必须可度量**：没有评估集与监控，很难判断优化是否真实有效。
6. **基建决定并发与成本**：生产环境需借助 PagedAttention、缓存状态树（Radix Attention）与分离式架构（Disaggregated Serving）来突破大模型的访存与算力瓶颈。

## 常见误区

* **误区一**：只要接上向量库就算做完 RAG **正解**：还需要 Query 转换、重排序、引用规范与失败兜底。
* **误区二**：多轮对话就把历史都拼接 **正解**：要分层管理历史（窗口、摘要、锚点、外存）。
* **误区三**：上线后再考虑评估与监控 **正解**：评估数据集与可观测性应在早期就纳入工作流。

## 实践建议

1. **从最小可用链路开始**：先跑通离线建库 + 在线检索 + 引用回答。
2. **把失败样例当资产**：把 Bad Case 归因到分块/检索/提示词/数据源并固化。
3. **为成本做预算**：对检索 Top-K、重排序 K、输出长度设定默认预算。
4. **按场景压测**：在真实请求分布下评估延迟、成本与效果。

## 预告

下一章将展望上下文工程的未来趋势，并给出持续学习与成长路径。

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/context_engineering_guide/issues) 或 [PR](https://github.com/yeasy/context_engineering_guide/pulls)。