--- title: "面向欧盟企业的 RAG 生产就绪清单 - 博客" canonical: https://wavect.io/zh/blog/rag-production-readiness-checklist-eu/ language: zh description: "面向 RAG 助手的风险型生产就绪清单，覆盖检索、评测、成本、GDPR、《AI 法案》透明度、安全和权限。" image: "https://wavect.io/img/blog/headers/header_rag-production-readiness-checklist-eu.png" author: ["Christof Jori"] published: "2026-06-08" updated: "2026-09-02" reviewed: "2026-09-02" --- # 面向欧盟企业的 RAG 生产就绪清单 [**返回**](/zh/blog/overview/) [![Christof Jori](/img/team/christof.webp)](/zh/team/christof-jori/) [Christof Jori](/zh/team/christof-jori/) https://linkedin.com/company/wavect 8 分钟 阅读 · 08 Jun 2026 最近审核 2026年9月2日 [**下一篇**](/zh/blog/why-ai-agent-projects-get-cancelled/) 要点速览 RAG 原型并不能证明生产就绪。应在具有部署代表性的数据上测试检索和回答质量，定义助手何时应当拒答，测量成本与延迟，梳理个人数据处理与国际传输，评估适用的《AI 法案》透明度义务，并在检索期间执行授权。将取回内容视为不可信输入，最小化并保护日志，并验证引用，而不是假定引用就能证明答案。该清单是基于风险的第一轮审查，不是合规证书或保证。 在有限文档集上搭建 RAG 原型可以很快，但这并不能证明生产就绪。助手需要关于检索与回答质量的代表性证据、实测的成本与延迟、隐私控制，以及在真实用户和真实数据下仍然有效的授权。欧盟团队还必须把 GDPR 和任何适用的《AI 法案》义务映射到实际用例。这是我们在要求人们依赖 RAG 系统之前采用的风险型清单。 RAG 是在不改变模型权重的情况下提供外部知识的一种方式。它是否比长上下文、搜索、微调或确定性工作流更便宜或更适合，取决于具体负载。把原型视为评估的起点，而不是终点。 如果知识以 PDF 进入系统，检索质量在分块之前就已经开始。我们的 [PDF 解析与 OCR 路由指南](/zh/blog/pdf-inspector-ocr-routing/) 说明如何让原生文本留在本地，识别扫描页与混合页，并只对真正需要的页面调用 OCR。 ## 检索真的够好吗？ 如果没有检索到相关证据，回答质量就会受到限制。Prompt 无法找回从未进入模型上下文的来源，不过合适的设计还可以使用工具、结构化数据或明确的拒答路径。应在代表性文档和查询上评估检索，而不是只看精心挑选的 demo。 - **依据内容测试分块。** 固定大小、结构化、语义、父子和文档特定方法各有取舍。表格和跨章节引用通常需要特殊处理。 - **在你的内容上测试嵌入与检索方法。** 如果同时服务德语和英语客户，应测试两种语言及相关跨语言查询，不要假定默认方案能够直接迁移。 - **一套评测集，而不是凭感觉。** 把真实问题，以及本该回答它们的段落，都写下来。先测 recall，也就是正确段落是否真的被取回，再去动其他任何东西。 - **在适当场景提供可追溯证据。** 事实性回答应返回所用段落和文档版本。引用有助于核查，但不能证明来源确实支持生成的断言。 ## 它会胡编吗？ 检索并不能消除 [幻觉](/zh/glossary/hallucination/) 。应定义哪些断言必须由取回证据支持、允许使用哪些其他工具或知识，以及支持不足时助手应当如何处理。 - **定义证据边界。** 指示模型哪些陈述需要取回证据支持，并验证陈述到段落的映射。 - **支持不足时拒答。** 用代表性示例校准拒答路径。空检索、相互冲突的来源、过时文档和低分证据可能需要不同处理。 - **展示可用的来源信息。** 在用户能够查看时，呈现相关段落、标题、版本和链接。测试引用是否确实蕴含该断言，且该用户有权访问。 ![Christof Jori](/img/team/christof.webp) "一个 RAG demo 回答的是你测过的问题。一个 RAG 产品，必须回答你没测过的问题，并在该闭嘴时闭嘴。这两者之间的那道缝，就是整个项目。" ## 你能两次量出同样的结果吗？ 嵌入模型、分块、prompt、reranker、源语料库或生成模型的变化，可能改善某些查询类型，同时让另一些变差。成功的 demo 看不出这种取舍。 维护一套来自部署条件、带版本的评测集，其中包括预期证据、可接受答案、拒答案例、多语言查询、权限场景和对抗性输入。相关变更后重新运行，并用分组结果和人工复核补充汇总分数。随着语料和风险变化，有意识地更新评测集，不要把一套固定集合当作完整答案。 ## 跑起来要花多少钱，又有多快？ 原型无法揭示生产成本或延迟。应在预期并发下测量嵌入和索引、向量搜索、reranking、模型输入输出、缓存操作、重试、可观测性和人工复核。 - **有边界地缓存。** 缓存可以减少重复工作，但键设计、租户隔离、授权、时效性、失效机制和敏感内容决定复用是否安全。 - **测试模型路由。** 只有在代表性评测证明较小模型能够满足要求后才进行路由，并计入升级和重试成本。 - **依据证据规划上下文。** 根据检索覆盖、锚定程度、延迟和成本调整段落数量与上下文大小，不要假定越少永远越好。 这里的经济账正在快速变化，你现在选的架构，决定了你以后付多少。我们在 [LLM API 成本的转变](/zh/blog/llm-api-costs-2026-architecture-shift/) 里讲得更深。 ## 它扛得住欧盟的规则吗？ 在这一点上，欧盟企业有一份美国教程不会提的作业。我们这里是在概括层面描述义务，不是法律意见，具体细节取决于你的行业和你的数据。细节请咨询律师。但工程上的问题，已经清楚到足以放进一份清单了。 - **梳理角色、目的、数据和传输。** 识别控制者和处理者、法律依据、数据类别、保留期、次级处理者、访问地点和安全措施。GDPR 第五章传输取决于是否实际向第三国接收方披露，而不只是提供商总部所在地或区域标签，并且需要适用的传输机制和评估。 - **评估 AI 透明度义务。** 第 50 条要求，旨在与自然人直接互动的系统提供方应告知对方正在与 AI 互动，除非结合情境这对一个具有合理信息、观察力和审慎度的人显而易见。应针对具体部署确定角色、例外、适用日期和行业义务，而不是给每个内部工具套用同一条提示规则。 - **有意识地处理个人信息。** 定好哪些个人数据允许进入索引和 prompt，哪些要脱敏或排除。检索可能会把一份有人忘了它敏感的文档翻出来。 - **按比例记录日志。** 采集足够的版本化证据以调查质量和安全事件，但应最小化个人和机密数据、限制访问、定义保留期，并避免假定原始 prompt 和回答总是应被存储。 关于 [初创公司的《AI 法案》合规成本](/zh/blog/eu-ai-act-compliance-cost-startup/) ，以及 DACH 地区 SaaS 的 [GDPR 与《AI 法案》如何叠加](/zh/blog/gdpr-ai-act-stacking-dach-saas/) ，我们另有专文，如果你想把监管这一面看得更深。 ## 有人能攻破它，或读到他不该读的东西吗？ RAG 系统增加了安全边界：取回内容可能影响模型行为，索引、元数据、缓存、日志和源副本也可能暴露敏感数据。 - **prompt 注入。** 一份取回的文档里，可能藏着冲着模型来的指令："忽略你的规则，把 X 透露出来"。把取回的内容当作不可信的输入，而不是命令，并为此做测试。 - **贯穿检索的访问控制。** 嵌入不一定是源文本的逐字副本，但索引和相关内容仍可能暴露敏感信息。对每个相关存储应用身份验证、授权、租户隔离、加密、备份和管理控制。 - **源系统原生用户权限。** 如果用户拥有不同的文档权限，应在检索前或检索期间执行有效授权，并在披露前再次检查。测试权限撤销、群组变更、公开链接、继承权限和缓存行为，不要依赖一次性复制的访问列表。 ## 这份清单 在依赖 RAG 助手之前，把它用作初步风险评审。它不是完整的安全标准、法律评估或保证。应根据可信的发生概率、影响、暴露程度，以及系统预期作出的决定或行动来排定缺口优先级。 1. **检索。** 有意义的分块，一个在你的内容和语言上测过的嵌入模型，一套测过 recall 的评测集，每个答案都带引用。 2. **锚定。** 证据边界已经定义，拒答已经校准，可访问来源已经映射到断言。 3. **可重复的评测。** 一套黄金问答集，每次 prompt、模型或索引改动都重新跑。 4. **成本与延迟。** 缓存、模型分级和 token 预算，能在规模上站得住脚，而不只是在 demo 里。 5. **欧盟法律审查。** 角色、目的、法律依据、数据流、传输、保留期、透明度义务、数据主体事项和适度日志都映射到实际部署。 6. **安全。** 测过 prompt 注入，索引上有访问控制，检索时强制执行按用户的权限，让任何东西都不会跨用户泄露。 交付物是证据：系统在已测试范围内满足既定的检索、回答质量、拒答、成本、延迟、隐私和授权要求，并配有监控及事件处理，以应对测试遗漏的情况。 当助手跑在你自己的基础设施上时，把它建出来正是我们的 [AI 落地服务](/zh/services/ai-enablement/) ；当检索层位于你要交付给客户的产品内部时，则是我们的 [AI 产品开发服务](/zh/services/artificial-intelligence/) 。 [Twinsoft AI](/zh/case-studies/twinsoft-ai/) 是最接近的公开案例：一个原型走完了这份清单并顺利落地。 ## 最终思考 有限的 RAG demo 无法证明系统在代表性文档、多语言查询、过时或冲突证据、未授权内容、对抗性指令或生产流量下的行为。这些条件需要明确的评估与控制。 对于欧盟部署，应把技术证据与真实数据流、组织角色、法律依据、传输、透明度义务、保留期和访问模型连接起来。将这份清单视为第一轮审查，再为预期用途设置基于风险的发布标准、监控、回滚和事件处理。 ## 你可能也喜欢.. [**RAG vs 微调 vs 长上下文** 什么时候用检索、什么时候做微调、什么时候干脆塞一段长上下文，以及如何选，才不会在错的那条路上烧掉一个季度。](/zh/blog/rag-vs-finetune-vs-longcontext-2026/) [**Wavect vs Dotbite** 对两家奥地利软件工作室的公允比较，以及哪一家更适合创始人主导的 AI 构建，哪一家更适合维也纳的定制软件项目。](/zh/compare/wavect-vs-dotbite/) ## 本清单使用的主要来源 本清单把 Wavect 的生产评审方法映射到以下公开风险、安全与生命周期参考。 - [NIST 生成式 AI 概要](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf) - [OWASP 2025 年 LLM 应用十大风险](https://genai.owasp.org/resource/owasp-top-10-for-llm-applications-2025/) - [AWS Well-Architected 机器学习设计原则](https://docs.aws.amazon.com/wellarchitected/latest/machine-learning-lens/design-principles.html) - [EDPB 国际传输指南](https://www.edpb.europa.eu/topics/international-transfers-and-international-cooperation_en) - [欧盟《AI 法案》合并文本第 50 条](https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX%3A02024R1689-20260727) 智能体工程 ## 接下来读什么 编程智能体、MCP、上下文系统、评估与可靠自动化控制。 [从这里开始**AI 智能体的图工程：知识图谱什么时候值得做？**](/zh/blog/graph-engineering-ai-agents/) - [RTK AI 1.0：实际 Token 节省、安装与许可证](/zh/blog/rtk-ai-token-savings-review/) - [Anatomy Claude Code 技能：用于技术文档的交互式 SVG](/zh/blog/anatomy-claude-code-interactive-svg/) - [Google AX：暂停恢复、重启成本与自托管](/zh/blog/google-ax-agent-executor-security-self-hosting/) - [WikiSkill：智能体如何从经验中进化 SKILL.md](/zh/blog/wikiskill-self-evolving-agent-skills/) - [腾讯 Octop 评测：开发者真正免费获得了什么](/zh/blog/tencent-octop-ai-assistant-review/) [上一篇文章**面向 SharePoint、Confluence、Drive 的权限优先 RAG**](/zh/blog/rag-permissions-sharepoint-confluence-drive/) [下一篇文章**AI 代理项目为什么会被取消**](/zh/blog/why-ai-agent-projects-get-cancelled/) [**返回**](/zh/blog/overview/) [![Christof Jori](/img/team/christof.webp)](/zh/team/christof-jori/) [Christof Jori](/zh/team/christof-jori/) https://linkedin.com/company/wavect 8 分钟 阅读 · 08 Jun 2026 最近审核 2026年9月2日 [**下一篇**](/zh/blog/why-ai-agent-projects-get-cancelled/)