GEOFlow RAG 是将资料转化为可检索、可引用知识的完整流程。它重点在于把上传的文档经过清洗、切片、向量化后，在生成任务时混合召回关键证据，并将证据编号注入提示词，让输出尽量贴近真实资料。
知识上传与最小配置要求
在 GEOFlow 中，知识库是 RAG 的事实基础。上传资料后，系统会清洗正文，统一编码与结构。如果只想预览切片结果，可以不配置 embedding 模型；但如果要让文章生成环节真正使用 RAG 召回，必须满足以下条件：
- 在“AI 配置器”中至少准备一个可用的 chat 模型。
- 配置可用的 embedding 模型并设为默认。
- 确认 PostgreSQL 的 pgvector 扩展已启用。
切片策略：从原文到可检索片段
GEOFlow 提供三种切片策略，可以在后台 AI 模型页面中配置：
| 策略 | 说明 |
|---|---|
| 结构化规则切片 | 系统按标题、段落、长度和重叠窗口自动切割，稳定且成本低，是默认推荐方式。 |
| 自动策略 | 由系统根据配置选择合适的策略，适合希望简化配置的场景。 |
| LLM 语义规划 | Chat 模型只规划边界，系统仍从原文截取片段；规划失败时回退到规则切片。 |
向量化：将切片转为可计算向量
切片完成后，系统调用默认 embedding 模型，将每个切片的文本转换成高维向量，并写入 pgvector 存储。向量化是召回相似内容的前提，如果此步骤未完成，知识片段就无法参与语义搜索。上传资料后需确认向量化状态已就绪。
混合召回与证据注入
任务生成时，GEOFlow 不会只依赖一种搜索方式。它会同时使用关键词匹配、标题章节路径以及向量相似度检索，将多种方式命中的证据片段混合排序，形成候选集。随后，系统将证据片段注入提示词，并要求生成内容引用对应的证据编号，从而降低模型凭空发挥的概率。
质量边界与自检清单
GEOFlow RAG 能提升证据召回和引用质量，但最终事实准确性仍取决于资料质量、审核流程和人工判断。使用前建议按以下清单逐项确认：
- chat 模型与 embedding 模型均已配置并可用。
- embedding 模型已设为默认。
- pgvector 扩展已启用，且向量化状态为已完成。
- 知识库已完成一次重新保存或刷新。
- 上传资料经过必要清洗，带有来源、时间等治理信息。