8.3.md 2.9 KB
8.3 图增强系统的部署与全链路验收
增加 Neo4j 后，启动一个 Python 进程不等于整套系统可用。本节用配套环境把服务、模型、数据与 API 连起来，并记录实际完成了哪一级检查。
{{figure:deployment|图 8-1 复用已有 conda 与模型，增强版使用独立的数据服务和运行配置。}}
一、模型复用与环境复用
继续使用 EnterpriseKB-RAG 环境，新增依赖安装到这个环境。BGE-M3、BGE 重排序器读取已有完整模型目录，生成服务沿用可用配置，不在第五章重新下载一套权重。
{{snippet:model-paths}}
本节关心路径如何进入加载函数，以及缺文件时怎样暴露错误。实际绝对路径保存在本机运行配置中；课程代码通过变量读取，复制项目后无需改每个文件。生成服务凭证也只保存在本机配置，不进入课件、截图和仓库。
二、先检查服务，再导入数据
conda activate EnterpriseKB-RAG
python -m graph_qa health
python -m graph_qa ingest
python -m graph_qa health
操作目录是增强版的 代码/EnterpriseKB_qa_system。本机 Neo4j Browser 使用 17474 端口，Bolt 使用 17687；Milvus 与 API 地址由增强版运行配置给出。复制到其他机器时，沿用同样的服务职责与健康检查顺序。
{{runtime:deployment}}
三、验收按一条真实请求展开
先运行 q03 的检索命令，确认三份关键来源。再运行问答命令，确认模型生成和引用。最后启动 API，提交同一题，检查响应中是否仍保留路径和来源。
python -m graph_qa ask \
--question "草莓缺货，为什么双人下午茶也会受影响？" \
--mode hybrid --scope 甜品店
这条命令同时经过本地向量表示、Milvus、Neo4j、融合、重排、上下文与生成服务。API 验证还需要检查请求参数和响应协议，不能用命令行成功替代接口验收。
四、异常与恢复也要演练
重复导入应保持数量稳定；修改版本后应只引用新资料；模拟图连接异常应返回警告并使用仍可用的向量证据；恢复服务和数据后应重新通过基线题。配套验证脚本在增强版隔离数据中执行这些检查。
{{runtime:checks}}
所有结论按实际运行记录表述：静态校验、单元测试、真实数据库检索、真实生成与 API 分别列出。没有执行的模式不写成已通过，不把模拟适配器结果当作真实数据库运行。
五、交付给学生时带走什么
交付课件、完整代码、模拟企业资料、问题集、环境变量示例、启动说明与实际验证记录。模型权重保持共享，数据库数据能够从配套文件重建。学生先按本节复现实验，再改一条业务关系，看影响路径与答案是否随之变化，这才完成了从“看懂图”到“理解技术价值”的闭环。