Dream RAG 小红书运营资料复盘 Demo
基于样例知识库 + Agentic RAG 的 query 改写、证据召回、证据评估与带引用回答演示
本 Demo 使用自构造的小红书运营资料样例集，展示 Dream RAG 如何将 SOP、规则、案例复盘等资料转化为可检索知识，并通过 Agentic RAG 生成可追溯的复盘结论。
示例知识库
记录冷启动投放策略、CTR/转化率排查路径、素材优化流程。
整理夸大承诺、绝对化表达、医美减肥等高风险内容规则。
复盘某护肤类账号投放中 CTR 与转化率下降的主要原因。
总结高转化笔记的首屏、正文、痛点、行动引导结构。
说明冷启动阶段如何测试内容方向、观察互动率和收藏率。
用户问题
Agentic RAG 流程
User Question ↓ Query Planner Agent ↓ Retrieval Tool ↓ Evidence Evaluator Agent ↓ Answer Agent ↓ Final Answer with Citations
Mock 执行结果
前端 mock · 无真实接口点击「运行 RAG Demo」后，将按顺序展示 Query Planner → Retrieval → Evidence Evaluator → Answer → Citations。
Query Planner
原始问题：
Query Planner 拆解结果：
Query Planner Agent 会先将复杂问题拆成多个子查询，避免只用原始问题检索导致召回不足。
Retrieval Tool 召回证据
Evidence Evaluator
证据充分性判断：当前证据覆盖了失败案例、投放 SOP、爆款内容结构和冷启动策略，可以回答用户问题。
已覆盖维度：
- 历史失败案例
- 投放指标排查路径
- 内容结构优化建议
- 冷启动阶段数据解释
缺失项：未发现明显缺失。
下一步：进入 Answer Agent 生成带引用依据的复盘结论。
如果只召回 SOP，没有召回失败案例，Evidence Evaluator 会触发二次检索，补查历史案例复盘。
Answer Agent 最终回答
引用依据
真实工程链路
本页面使用自构造样例知识库和 mock 检索结果，用于展示 Agentic RAG 链路。真实工程中，文档会先上传到 MinIO，MySQL 保存文档元数据和处理状态，Kafka 异步触发文档解析、文本切片、Embedding 和 ES8 入库。用户提问后，Query Planner Agent 负责 query 改写和子问题拆分，Retrieval Tool 通过 ES8 完成 BM25 + 向量混合检索，Evidence Evaluator Agent 判断证据是否充分，Answer Agent 基于证据生成带引用回答。流式问答阶段可以通过 WebSocket 推送 token，并通过 Redis 状态机支持用户中断和断线恢复。